安全帽佩戴的检测方法和装置、摄像头、服务器制造方法及图纸

本发明专利技术涉及一种安全帽佩戴的检测方法和装置、摄像头、服务器，包括：获取现场视频图像，通过训练学习建立的人体位置检测模型对所述现场视频图像进行检测得到人体位置，根据所述人体位置判断是否在安全帽佩戴区域；如果是，则通过训练学习建立的人头安全帽联合检测模型对所述现场视频图像进行检测得到人头安全帽联合状态，根据人头安全帽联合状态判断是否佩戴安全帽，如果没有佩戴安全帽，则安全帽佩戴未通过验证；如果佩戴安全帽，则通过训练学习建立的安全帽类型检测模型对所述现场视频图像进行检测得到安全帽类型，判断安全帽类型是否符合规定，如果符合规定，则安全帽佩戴通过验证，否则，安全帽佩戴未通过验证，提高安全帽佩戴的检测结果的准确度。

【技术实现步骤摘要】

本专利技术涉及计算机
，特别是涉及一种安全帽佩戴的检测方法和装置、摄像头、服务器。
技术介绍
安全帽是防物体打击和坠落时头部碰撞的头部防护装置，施工工人通过佩戴安全帽，用以防护头部，免受坠落的物件伤害。但经常存在施工工人没有按照规定佩戴安全帽的情况发生，对安全帽的佩戴情况进行实时的监控，并检测是否按照规定佩戴安全帽至关重要。传统的安全帽佩戴的检测方法，通过图像的RGB分量检测是否佩戴安全帽，受到光线强度的影响较大，且对于黑色安全帽由于与头发颜色相近，不能很好的检测，且只能识别安全帽是否被佩戴，无法判断工人是否按照规定佩戴安全帽，导致安全帽佩戴的检测结果准确度不高。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能判断是否按照规定佩戴安全帽的安全帽佩戴的检测方法和装置、摄像头、服务器，提高安全帽佩戴的检测结果的准确度。一种安全帽佩戴的检测方法，所述方法包括：获取现场视频图像，通过训练学习建立的人体位置检测模型对所述现场视频图像进行检测得到人体位置，根据所述人体位置判断是否在安全帽佩戴区域；如果是，则通过训练学习建立的人头安全帽联合检测模型对所述现场视频图像进行检测得到人头安全帽联合状态，根据所述人头安全帽联合状态判断是否佩戴安全帽，如果没有佩戴安全帽，则安全帽佩戴未通过验证；如果佩戴安全帽，则通过训练学习建立的安全帽类型检测模型对所述现场视频图像进行检测得到安全帽类型，判断所述安全帽类型是否符合规定，如果符合规定，则安全帽佩戴通过验证，否则，安全帽佩戴未通过验证。一种安全帽佩戴的检测装置，所述装置包括：获取模块，用于获取现场视频图像；安全帽佩戴区域检测模块，通过训练学习建立的人体位置检测模型对所述现场视频图像进行检测得到人体位置，根据所述人体位置判断是否在安全帽佩戴区域，如果是，则进入人头安全帽联合状态检测模块；人头安全帽联合状态检测模块，用于通过训练学习建立的人头安全帽联合检测模型对所述现场视频图像进行检测得到人头安全帽联合状态，根据所述人头安全帽联合状态判断是否佩戴安全帽，如果没有佩戴安全帽，则安全帽佩戴未通过验证，如果佩戴安全帽，则进入安全帽类型检测模块；安全帽类型检测模块，用于通过训练学习建立的安全帽类型检测模型对所述现场视频图像进行检测得到安全帽类型，判断所述安全帽类型是否符合规定，如果符合规定，则安全帽佩戴通过验证，否则，安全帽佩戴未通过验证。一种摄像头，包括上述任一实施例所述的安全帽佩戴的检测装置。一种服务器，其特征在于，所述服务器包括上述任一实施例所述的安全帽佩戴的检测装置。上述安全帽佩戴的检测方法和装置、摄像头、服务器，通过获取现场视频图像，通过训练学习建立的人体位置检测模型对现场视频图像进行检测得到人体位置，根据人体位置判断是否在安全帽佩戴区域，如果是，则通过训练学习建立的人头安全帽联合检测模型对现场视频图像进行检测得到人头安全帽联合状态，根据人头安全帽联合状态判断是否佩戴安全帽，如果没有佩戴安全帽，则安全帽佩戴未通过验证，如果佩戴安全帽，则通过训练学习建立的安全帽类型检测模型对现场视频图像进行检测得到安全帽类型，判断安全帽类型是否符合规定，如果符合规定，则安全帽佩戴通过验证，否则，安全帽佩戴未通过验证。在对安全帽佩戴检测的过程中，采用通过训练学习建立的人体位置检测模型、人头安全帽联合检测模型、安全帽类型检测模型分别对现场视频图像进行检测，由于每个检测模型都是通过大量的真实场景训练数据进行训练得到，检测结果的正确率高，且通过层层检测，不仅保证佩戴安全帽，还保证佩戴安全帽的类型符合规定，提高了安全帽佩戴检测结果的可信度与正确度，加强了安全防护的强度。附图说明图1为一个实施例中安全帽佩戴的检测方法的应用环境图；图2为一个实施例中图1中摄像头的内部结构图；图3为一个实施例中图1中服务器的内部结构图；图4为一个实施例中安全帽佩戴的检测方法的流程图；图5为一个实施例中建立人头安全帽联合检测模型的流程图；图6为一个实施例中确定人头安全帽联合状态的流程图；图7为一个实施例中建立安全帽检测模型、人体位置检测模型和人头检测模型的流程图；图8为一个具体的实施例中安全帽佩戴的检测方法的具体过程示意图；图9为一个实施例中安全帽佩戴的检测装置的结构框图；图10为另一个实施例中安全帽佩戴的检测装置的结构框图；图11为一个实施例中人头安全帽联合状态检测模块的结构框图；图12为再一个实施例中安全帽佩戴的检测装置的结构框图；图13为又一个实施例中安全帽佩戴的检测装置的结构框图；图14为另一个实施例中安全帽佩戴的检测装置的结构框图；图15为再一个实施例中安全帽佩戴的检测装置的结构框图。具体实施方式图1为一个实施例中安全帽佩戴的检测方法运行的应用环境图。如图1所示，该应用环境包括终端110、摄像头120和服务器130，其中终端110、摄像头120和服务器130通过网络进行通信。可以理解的是，可以根据部署的情况，对上述应用环境中的设备进行增加或减少。终端110可为智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。服务器130可为单个服务器或服务器集群，摄像头120可为一个或多个，通过输入摄像头120采集的现场视频图像到通过训练学习建立的检测模型对安全帽佩戴进行检测。可将摄像头120采集的现场视频图像传输到服务器130集中进行检测，服务器130可以是工地部署的计算机/服务器或公共云/私有云服务器，或者在摄像头前端安装检测装置，通过检测装置运行视频分析算法进行检测，对现场视频图像进行人体位置检测、人头安全帽联合状态检测、安全帽类型检测等一系列检测过程，经过综合分析后得到安全帽佩戴检测结果，且可根据检测结果发送提醒信息至终端110，以便实时查看检测结果与及时采取安全保护措施。在一个实施例中，图1中摄像头120的内部结构如图2所示，包括输入设备、处理器、存储介质、内存、接口，输入设备用于采集视频图像，处理器用于用于提供计算和控制能力，通过检测模型对视频图像进行检测分析，支撑整个摄像头120的运行，存储介质存储有第一安全帽佩戴的检测装置，该装置用于实现适用于摄像头120的一种安全帽佩戴的检测方法。内存为存储介质中的第一安全帽佩戴的检测装置的运行提供环境，接口用于与服务器进行数据传递，接口可为数据线接口或无线接口等。在一个实施例中，图1中的服务器130的内部结构如图3所示，该服务器130包括通过系统总线连接的处理器、存储介质、内存和网络接口。其中，该服务器130的存储介质存储有操作系统、数据库和第二安全帽佩戴的检测装置，数据库用于存储数据，如存储现场视频图像，第二安全帽佩戴的检测装置用于实现一种适用于服务器130的安全帽佩戴的检测方法。该服务器130的处理器用于提供计算和控制能力，支撑整个服务器130的运行。该服务器130的内存为存储介质中的第二安全帽佩戴的检测装置的运行提供环境。该服务器130的网络接口用于与外部的终端110、摄像头120通过网络连接通信，比如向终端110发送提醒信息等。在一个实施例中，提供了一种安全帽佩戴的检测方法，以应用于上述应用环境中的摄像头或服务器来举例说明，包括以下步骤：步骤S210，获取现场视频图像，通过训练学习建立的人体位置检测模型对现场视频图像进行检测得到人体位置本文档来自技高网...

【技术保护点】
一种安全帽佩戴的检测方法，所述方法包括：获取现场视频图像，通过训练学习建立的人体位置检测模型对所述现场视频图像进行检测得到人体位置，根据所述人体位置判断是否在安全帽佩戴区域；如果是，则通过训练学习建立的人头安全帽联合检测模型对所述现场视频图像进行检测得到人头安全帽联合状态，根据所述人头安全帽联合状态判断是否佩戴安全帽，如果没有佩戴安全帽，则安全帽佩戴未通过验证；如果佩戴安全帽，则通过训练学习建立的安全帽类型检测模型对所述现场视频图像进行检测得到安全帽类型，判断所述安全帽类型是否符合规定，如果符合规定，则安全帽佩戴通过验证，否则，安全帽佩戴未通过验证。

【技术特征摘要】
1.一种安全帽佩戴的检测方法，所述方法包括：获取现场视频图像，通过训练学习建立的人体位置检测模型对所述现场视频图像进行检测得到人体位置，根据所述人体位置判断是否在安全帽佩戴区域；如果是，则通过训练学习建立的人头安全帽联合检测模型对所述现场视频图像进行检测得到人头安全帽联合状态，根据所述人头安全帽联合状态判断是否佩戴安全帽，如果没有佩戴安全帽，则安全帽佩戴未通过验证；如果佩戴安全帽，则通过训练学习建立的安全帽类型检测模型对所述现场视频图像进行检测得到安全帽类型，判断所述安全帽类型是否符合规定，如果符合规定，则安全帽佩戴通过验证，否则，安全帽佩戴未通过验证。2.根据权利要求1所述的方法，其特征在于，所述人头安全帽联合检测模型为单一模型，所述获取现场视频图像，通过训练学习建立的人体位置检测模型对所述现场视频图像进行检测得到人体位置的步骤之前，还包括：获取训练视频图像，所述训练视频图像包括人体佩戴安全帽的正样本图像和人体不佩戴安全帽的负样本图像；获取所述训练视频图像的标注信息，所述正样本图像的标注信息为人头安全帽联合状态正常，所述负样本图像的标注信息为人头安全帽联合状态异常，所述训练视频图像和对应的标注信息组成训练数据；将所述训练数据输入人头安全帽联合检测训练模型，基于训练学习的方法对所述训练数据进行训练得到所述人头安全帽联合检测模型。3.根据权利要求1所述的方法，其特征在于，所述人头安全帽联合检测模型包括人头检测模型和安全帽位置检测模型，所述通过训练学习建立的人头安全帽联合检测模型对所述现场视频图像进行检测得到人头安全帽联合状态的步骤包括：根据所述人头检测模型对所述现场视频图像进行检测得到人头区域；根据所述安全帽位置检测模型对所述现场视频图像进行检测得到安全帽区域；根据所述人头区域和安全帽区域的距离和重叠面积得到人头安全帽联合状态。4.根据权利要求3所述的方法，其特征在于，所述获取现场视频图像的步骤之前，还包括：获取训练视频图像，所述训练视频图像包括含有待检测物体的正样本图像、不含有待检测物体的负样本图像，所述待检测物体为人体、人头、安全帽中的至少一种；获取所述训练视频图像的标注信息集合，所述标注信息集合包括人体区域标注信息、人头区域标注信息和安全帽区域标注信息；从所述标注信息集合获取当前训练模型对应的当前标注信息，当前标注信息与训练视频图像组成当前训练数据；将所述当前训练数据输入当前训练模型，基于训练学习的方法对所述当前训练数据进行训练得到对应的当前检测模型，所述当前训练模型包括安全帽位置检测训练模型、人体位置检测训练模型和人头检测训练模型，所述当前检测模型包括所述安全帽检测模型、人体位置检测模型和人头检测模型。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：采用训练学习建立的安全帽状态检测模型对所述现场视频图像进行检测得到安全帽当前状态，根据所述安全帽当前状态判断安全帽是否损坏；如果安全帽损坏，则安全帽佩戴未通过验证。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述现场视频图像对应的摄像头标识；所述通过训练学习建立的人体位置检测模型对所述现场视频图像进行检测得到人体位置的步骤之前，还包括：判断所述摄像头标识对应的拍摄区域是否为全景安全帽佩戴区域，如果是，则判断在安全帽佩戴区域，直接进入所述通过训练学习建立的人头安全帽联合检测模型对所述现场视频图像进行检测得到人头安全帽联合状态的步骤，否则进入所述通过训练学习建立的人体位置检测模型对所述现场视频图像进行检测得到人体位置的步骤；根据所述人体位置判断是否在安全帽佩戴区域的步骤包括：根据所述摄像头标识获取对应的当前安全帽佩戴区域，判断所述人体位置是否在所述当前安全帽佩戴区域；所述判断所述安全帽类型是否符合规定的步骤包括：根据所述摄像头标识获取对应的当前区域安全帽标准类型，如果所述安全帽类型与所述当前区域安全帽标准类型匹配，则所述安全帽类型符合规定，否则所述安全帽类型不符合规定。7.根据权利要求1或5所述的方法，其特征在于，所述安全帽佩戴未通过验证的步骤之后，还包括：发送安全帽佩戴未通过验证的提醒消息至终端，所述提醒消息包括视频、图像、语音中的至少一种，所述提醒消息携带安全帽佩戴未通过验证的原因信息。8.一种安全帽佩戴的检测装置，其特征在于，所述装置包...

【专利技术属性】
技术研发人员：王时全，陈志博，吴永坚，黄飞跃，张磊，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44