The invention relates to a video detection method for industrial helmet wearing, which belongs to the field of video processing; step a, acquiring video sequence; step b, detecting the video sequence by depth learning detector; step C when the target is detected; step d when the target is not detected; step c, depth learning detector. When the target is detected, the tracker is initialized, the target information is obtained, and the target information is carried out step e; when the target is not detected by step D and the depth learning detector, whether the tracker is initialized or not, and if not, step a; if so, step f; step e, the target information is output by the decision-maker, and step a; step f, transportation Row tracker, occlusion judgment, tracking target whether occlusion, if not, step e; if, stop the tracker, step a; the invention can quickly detect the situation of workers wearing helmet in the scene when the target occlusion deformation or the tracker mistracking.
【技术实现步骤摘要】
一种工业佩戴安全帽视频检测方法
本专利技术属于视频处理领域,具体涉及一种工业佩戴安全帽视频检测方法。
技术介绍
许多作业场合,如建筑工地、码头、油田煤矿、电力基站等,由于工人安全防范意识低、物体容易坠落等原因,每年都会出现不少因为未佩戴安全帽而酿成的事故。因此,为了有效的减少人员的伤害隐患,在这些场所对工人佩戴安全帽情况进行实时检测是很有必要的。但是总有很多人不佩戴安全帽,造成了很大的安全隐患。
技术实现思路
针对上述问题,本专利技术的目的在于提供一种工业佩戴安全帽视频检测方法。本专利技术的目的是这样实现的:一种工业佩戴安全帽视频检测方法,包括下列步骤:步骤a、获取视频序列;步骤b、通过深度学习检测器对所述视频序列进行检测;当检测到目标时,进行步骤c;当未检测到目标时,进行步骤d;步骤c、深度学习检测器检测到目标时,初始化跟踪器,获取目标信息,进行步骤e;步骤d、深度学习检测器未检测到目标时,判断是否初始化跟踪器,若否,进行步骤a;若是,进行步骤f;步骤e、通过决策器输出所述目标信息,进行步骤a;步骤f、运行跟踪器,进行遮挡判断,跟踪目标是否被遮挡,若否,进行步骤e;若是,停止所述跟踪器,进行步骤a。进一步地,所述深度学习检测器包括以下方法:将视频序列中的图像分成S*S个网格,每个网格预测出B个目标框及每个目标框的置信度分C,置信度得分反映出目标框中包含目标的置信值以及目标框的准确度信息,定义置信度得分的公式为:式(1)中P(Object)表示目标框中含有目标的置信度,表示预测的目标框和物体真实所在区域的交并比,即目标真实框与预测框的重叠面积占目标真实框与预测 ...
【技术保护点】
1.一种工业佩戴安全帽视频检测方法,其特征在于,包括下列步骤:步骤a、获取视频序列;步骤b、通过深度学习检测器对所述视频序列进行检测;当检测到目标时,进行步骤c;当未检测到目标时,进行步骤d;步骤c、深度学习检测器检测到目标时,初始化跟踪器,获取目标信息,进行步骤e;步骤d、深度学习检测器未检测到目标时,判断是否初始化跟踪器,若否,进行步骤a;若是,进行步骤f;步骤e、通过决策器输出所述目标信息,进行步骤a;步骤f、运行跟踪器,进行遮挡判断,跟踪目标是否被遮挡,若否,进行步骤e;若是,停止所述跟踪器,进行步骤a。
【技术特征摘要】
1.一种工业佩戴安全帽视频检测方法,其特征在于,包括下列步骤:步骤a、获取视频序列;步骤b、通过深度学习检测器对所述视频序列进行检测;当检测到目标时,进行步骤c;当未检测到目标时,进行步骤d;步骤c、深度学习检测器检测到目标时,初始化跟踪器,获取目标信息,进行步骤e;步骤d、深度学习检测器未检测到目标时,判断是否初始化跟踪器,若否,进行步骤a;若是,进行步骤f;步骤e、通过决策器输出所述目标信息,进行步骤a;步骤f、运行跟踪器,进行遮挡判断,跟踪目标是否被遮挡,若否,进行步骤e;若是,停止所述跟踪器,进行步骤a。2.根据权利要求1所述一种工业佩戴安全帽视频检测方法,其特征在于,所述深度学习检测器包括以下方法:将视频序列中的图像分成S*S个网格,每个网格预测出B个目标框及每个目标框的置信度分C,置信度得分反映出目标框中包含目标的置信值以及目标框的准确度信息,定义置信度得分的公式为:式(1)中P(Object)表示目标框中含有目标的置信度,表示预测的目标框和物体真实所在区域的交并比,即目标真实框与预测框的重叠面积占目标真实框与预测框并集面积的比例;得到置信度,获取每个目标框的中心位置坐标(X,Y)与宽w、高h的信息,并在每个网格中预测出2个类别信息,分别是头部head和安全帽hat两类,即在已判定目标框中含有目标物体后判断所述目标属于哪一类,分类的可能性用条件概率表示;将类别信息的概率值、目标框的准确度和置信度进行相乘,得到每个目标框的类别置信度:由式(2)得到每个目标框的类别置信度得分后,根据设置的阈值可滤除准确度低的目标框,对剩下的目标框进行非极大值抑制得到最终的检测结果。3.根据权利要求1所述一种工业佩戴安全帽视频检测方法,其特征在于,所述跟踪器采用KCF跟踪算法,KCF跟踪算法包括跟踪器训练、快速目标检测和目标遮挡判断,所示跟踪器训练包括以下方法:对初始第一帧图像中选定的目标进行特征提取和加窗滤波,得到样本图像f,经核相关训练得到滤波模板h,使当前目标的响应值大,背景的响应值小,如式(3)所示:式(3)中g表示的高斯响应输出,g为任意形状的响应输出;通过目标样本循环偏移构建出大量训练样本,样本矩阵变成一个循环矩阵,利用循环矩阵的性质,将式(3)转换到频域运算,利用傅里叶变大幅减小运算时间开销,如式(4)所示:式(4)中表示傅里叶变换,把特征空间映射到高维空间中,将非线性求解变为线性求解,通过核函数后的原始目标函数表述...
【专利技术属性】
技术研发人员:宋华军,赵健乐,周光兵,于玮,王芮,任鹏,
申请(专利权)人:中国石油大学华东,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。