一种基于行人检测的施工人员安全帽实时检测方法技术

本发明专利技术公开了一种基于行人检测的施工人员安全帽实时检测方法，首先利用大量已标注样本对基于ACF特征提取的Adaboost分类器进行多次迭代训练；然后利用训练好的分类器对视频序列进行行人检测，确定目标的精确位置和数量；接着对检测结果进行轨迹分析，通过轨迹信息判断检测结果是否有误，对检测结果得分不高的情况，做丢弃处理，对得分较高的检测结果进行跟踪，利用检测结果中人体头部在检测结果顶部的特性，锁定安全帽所在部位，通过颜色空间转换，根据分离颜色通道统计像素信息，利用像素占比判断，最终实现安全帽检测。本发明专利技术对多种场景具有很好的鲁棒性，同时基于HSV空间的像素点统计检测方法，针对特定颜色的安全帽有很好的效果。

【技术实现步骤摘要】

本专利技术涉及视频图像处理
，尤其涉及一种基于行人检测的施工人员安全帽实时检测方法。
技术介绍
动态背景下的运动目标挂件检测技术是计算机视觉中的一个重要课题，也是计算机视觉系统的关键底层技术，目的是通过计算机视觉从运动的背景图像中提取感兴趣的目标，并对目标的位置和姿态等信息进行快速实施的检测。随着计算机处理能力的显著提高，该技术在众多领域都有越来越广泛的应用。安全帽作为一种个人头部防护用品，能有效地防止和减轻操作人员在生产作业中遭受坠落物体或自坠落时对头部的伤害。道路施工现场施工人员佩戴安全帽也是一种必须的安全措施，能在一定程度上保障施工人员的人身安全，因此，道路施工现场安全帽佩戴情况监控具有重要意义，对进出施工现场佩戴不同颜色安全帽的施工人员进行统计和监控，并在发现没戴安全帽的工人时及时发出告警，能实现资源的合理分配和人员的有效管理，并能尽可能地保障施工人员的安全。近些年来，基于视频监控的人体特定挂件检测一直是一个非常困难的课题，安全帽作为一种特殊场景下的施工人员需要佩戴的特定挂件，要对其进行实时、鲁棒性强的检测会受到各种环境中光照、阴影、背景等因素的干扰，同时有限于检测器的性能，检测结果并不能保证具有极高的准确率。因此大多数方法并不能保证安全帽检测系统具有实时、鲁棒的特性。
技术实现思路
本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷，提供一种基于行人检测的施工人员安全帽实时检测方法。本专利技术为解决上述技术问题采用以下技术方案一种基于行人检测的施工人员安全帽实时检测方法，包括以下步骤：步骤A)，实时采集需要进行施工人员安全帽检测的视频序列；步骤B)，训练基于ACF特征提取的行人检测器，训练数据采用国际通用的行人图像数据库；步骤C)，采用训练好的基于ACF特征提取的行人检测器对采集的视频序列中的第一帧图像进行检测，获得第一帧图像中行人的数量和各个行人的位置坐标，并将各个行人的有效检测次数均设置为零；步骤D)，从采集的视频序列中的第二帧图像开始，反复执行步骤E)至步骤I)，直至采集的视频序列中所有帧图像均检测完毕；步骤E)，采用训练好的基于ACF特征提取的行人检测器对采集的视频序列中的当前帧图像进行检测，获得当前帧图像中行人的数量和各个行人的位置坐标；步骤F)，比较当前帧图像中和上一帧图像中的所有行人，将上一帧图像中没有、当前帧图像中存在的行人的有效检测次数设置为零；步骤G)，根据上一帧图像中各个行人的位置坐标采用卡尔曼滤波器预测上一帧图像中各个行人在当前帧图像中的位置坐标；步骤H)，对于当前帧图像和上一帧图像中均存在的每一个行人，将其通过基于ACF特征提取的行人检测器监测出的位置坐标和其通过卡尔曼滤波器预设出的位置坐标进行比较，若两者之间的距离小于预设的距离阈值，则对该行人的有效检测次数进行加1；步骤I)，对于当前帧图像中的每一个行人，将其有效检测次数和预设的次数阈值进行比较；步骤I.1)，若其有效检测次数大于预设的次数阈值，则获得该行人的头部区域图像；步骤I.1.1)，将该行人的头部区域图像转换至HSV空间，获得转换后的头部区域图像；步骤I.1.2)，将转换后头部区域图像的每一个像素的灰度值与预设的安全帽灰度阈值范围进行比较，获得灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区域图像的像素中的占比；步骤I.1.3)，将灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区域图像的像素中的占比和预设的第一比例阈值进行比较，若灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区域图像的像素中的占比大于等于预设的第一比例阈值，则输出该行人的头部区域图像。作为本专利技术一种基于行人检测的施工人员安全帽实时检测方法进一步的优化方案，所述步骤C)和步骤E)中获得帧图像中行人的数量和各个行人的位置坐标的详细步骤如下：步骤C.1)，采用训练好的基于ACF特征提取的行人检测器对需要检测的帧图像进行检测；步骤C.2)，对检测结果中所有相邻的检测窗口进行比较，并根据比较结果对相邻检测窗口进行处理：步骤C.2.1)，获得相邻检测窗口的重叠面积在两者中各自所占的比例，并将其纪为第一比例和第二比例；步骤C.2.2)，将第一比例、第二比例分别和预设的第二比例阈值进行比较；步骤C.2.2.1)，若第一比例大于等于预设的比例阈值，第二比例小于预设的第二比例阈值，删除第一比例对应的检测窗口；步骤C.2.2.2)，若第一比例、第二比例均大于等于预设的第二比例阈值，合并第一比例对应的检测窗口和第二比例对应的检测窗口；步骤C.3)，根据处理过后的检测窗口计算出需要检测的帧图像中行人的数量和各个行人的位置坐标。作为本专利技术一种基于行人检测的施工人员安全帽实时检测方法进一步的优化方案，步骤C)和步骤E)中均基于“快速特征金字塔”策略采用训练好的基于ACF特征提取的行人检测器对采集的视频序列进行检测。作为本专利技术一种基于行人检测的施工人员安全帽实时检测方法进一步的优化方案，步骤B)的详细步骤如下：步骤B.1)，在训练数据所用的图片中选取2/5的图片作为正样本；步骤B.2)，对于训练数据所用的图片另外的3/5的图片，将其中的人物图像进行剔除后作为负样本；步骤B.3)，基于所述正样本和负样本进行ACF特征提取；步骤B.4)，基于提取的ACF特征、采用Adaboost算法进行迭代训练、得到基于ACF特征提取的行人检测器。作为本专利技术一种基于行人检测的施工人员安全帽实时检测方法进一步的优化方案，步骤B)中所述的国际通用的行人图像数据库包括Caltech数据库和INRIA数据库。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1.能够对运动场景视频序列中施工现场工人安全帽穿戴情况进行实时且准确的检测；2.在人体检测阶段利用ACF(AggregatedChannelFeatures)中的尺度间幂指定律后，能够快速地建立特征金字塔，大大减少了全图搜索的计算量，且利用跟踪分析和得分策略，丢弃部分效果不好的检测结果，既减少了检测时候的运算量，又提高了人体检测精度；3.采用HSV颜色空间转换，可以快速方便的统计出属于常见安全帽颜色的像素点占比，同时通过连续对比各颜色通道像素比例，增强了方法的鲁棒性。附图说明图1是本专利技术的流程示意图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：如图1所示，本专利技术公开了一种基于行人检测的施工人员安全帽实时检测方法，包括以下步骤：步骤A)，实时采集需要进行施工人员安全帽检测的视频序列；步骤B)，训练基于ACF特征提取的行人检测器，训练数据采用国际通用的行人图像数据库；步骤C)，采用训练好的基于ACF特征提取的行人检测器对采集的视频序列中的第一帧图像进行检测，获得第一帧图像中行人的数量和各个行人的位置坐标，并将各个行人的有效检测次数均设置为零；步骤D)，从采集的视频序列中的第二帧图像开始，反复执行步骤E)至步骤I)，直至采集的视频序列中所有帧图像均检测完毕；步骤E)，采用训练好的基于ACF特征提取的行人检测器对采集的视频序列中的当前帧图像进行检测，获得当前帧图像中行人的数量和各个行人的位置坐标；步骤F)，比较当前帧图像中和上一帧图像中的所有行人，将上一帧图像中没有、当前帧图像中存在的行人的有效检测本文档来自技高网...

【技术保护点】
一种基于行人检测的施工人员安全帽实时检测方法，其特征在于，包括以下步骤：步骤A），实时采集需要进行施工人员安全帽检测的视频序列；步骤B），训练基于ACF特征提取的行人检测器，训练数据采用国际通用的行人图像数据库；步骤C），采用训练好的基于ACF特征提取的行人检测器对采集的视频序列中的第一帧图像进行检测，获得第一帧图像中行人的数量和各个行人的位置坐标，并将各个行人的有效检测次数均设置为零；步骤D），从采集的视频序列中的第二帧图像开始，反复执行步骤E）至步骤I），直至采集的视频序列中所有帧图像均检测完毕；步骤E），采用训练好的基于ACF特征提取的行人检测器对采集的视频序列中的当前帧图像进行检测，获得当前帧图像中行人的数量和各个行人的位置坐标；步骤F），比较当前帧图像中和上一帧图像中的所有行人，将上一帧图像中没有、当前帧图像中存在的行人的有效检测次数设置为零；步骤G），根据上一帧图像中各个行人的位置坐标采用卡尔曼滤波器预测上一帧图像中各个行人在当前帧图像中的位置坐标；步骤H），对于当前帧图像和上一帧图像中均存在的每一个行人，将其通过基于ACF特征提取的行人检测器监测出的位置坐标和其通过卡尔曼滤波器预设出的位置坐标进行比较，若两者之间的距离小于预设的距离阈值，则对该行人的有效检测次数进行加1；步骤I），对于当前帧图像中的每一个行人，将其有效检测次数和预设的次数阈值进行比较；步骤I.1），若其有效检测次数大于预设的次数阈值，则获得该行人的头部区域图像；步骤I.1.1），将该行人的头部区域图像转换至HSV空间，获得转换后的头部区域图像；步骤I.1.2），将转换后头部区域图像的每一个像素的灰度值与预设的安全帽灰度阈值范围进行比较，获得灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区域图像的像素中的占比；步骤I.1.3），将灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区域图像的像素中的占比和预设的第一比例阈值进行比较，若灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区域图像的像素中的占比大于等于预设的第一比例阈值，则输出该行人的头部区域图像。...

【技术特征摘要】
1.一种基于行人检测的施工人员安全帽实时检测方法，其特征在于，包括以下步骤：步骤A），实时采集需要进行施工人员安全帽检测的视频序列；步骤B），训练基于ACF特征提取的行人检测器，训练数据采用国际通用的行人图像数据库；步骤C），采用训练好的基于ACF特征提取的行人检测器对采集的视频序列中的第一帧图像进行检测，获得第一帧图像中行人的数量和各个行人的位置坐标，并将各个行人的有效检测次数均设置为零；步骤D），从采集的视频序列中的第二帧图像开始，反复执行步骤E）至步骤I），直至采集的视频序列中所有帧图像均检测完毕；步骤E），采用训练好的基于ACF特征提取的行人检测器对采集的视频序列中的当前帧图像进行检测，获得当前帧图像中行人的数量和各个行人的位置坐标；步骤F），比较当前帧图像中和上一帧图像中的所有行人，将上一帧图像中没有、当前帧图像中存在的行人的有效检测次数设置为零；步骤G），根据上一帧图像中各个行人的位置坐标采用卡尔曼滤波器预测上一帧图像中各个行人在当前帧图像中的位置坐标；步骤H），对于当前帧图像和上一帧图像中均存在的每一个行人，将其通过基于ACF特征提取的行人检测器监测出的位置坐标和其通过卡尔曼滤波器预设出的位置坐标进行比较，若两者之间的距离小于预设的距离阈值，则对该行人的有效检测次数进行加1；步骤I），对于当前帧图像中的每一个行人，将其有效检测次数和预设的次数阈值进行比较；步骤I.1），若其有效检测次数大于预设的次数阈值，则获得该行人的头部区域图像；步骤I.1.1），将该行人的头部区域图像转换至HSV空间，获得转换后的头部区域图像；步骤I.1.2），将转换后头部区域图像的每一个像素的灰度值与预设的安全帽灰度阈值范围进行比较，获得灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区域图像的像素中的占比；步骤I.1.3），将灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区域图像的像素中的占比和预设的第一比例阈值进行比较，若灰度值在预设的安全帽灰度阈值范围内的像素在整体头部区...

【专利技术属性】
技术研发人员：孙宁，李奇，李晓飞，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32