一种监测工人安全帽佩戴的方法及装置制造方法及图纸

本发明专利技术提供了一种监测工人安全帽佩戴的方法及装置，其中方法包括：获取摄像头采集的视频文件；将视频文件逐帧转换为RGB图像；通过已训练的二分支多级卷积神经网络得到RGB图像中人体鼻骨的坐标；将RGB图像依次输入至已训练的Mask‑RCNN中，对RGB图像中的安全帽进行实例分割，得到已训练的Mask‑RCNN输出的对应RGB图像中安全帽部分的二值掩膜；根据RGB图像中安全帽部分的二值掩膜，通过预置第一公式和预置第二公式计算RGB图像中安全帽的质心坐标；根据人体鼻骨的坐标与安全帽的质心坐标，通过预置第三公式计算人体鼻骨与安全帽的欧几里得距离D；判断欧几里得距离D是否大于预设距离阈值，若是，则工人工作时未正确佩戴安全帽，若否，则工人工作时正确佩戴安全帽。

Method and device for monitoring worker safety helmet wearing

The invention provides a method and device for monitoring the wearing of a worker's helmet, which includes: obtaining video files collected by a camera, converting a video file to a RGB image by frame by frame, and obtaining the coordinates of the human nose in the RGB image by a trained two branch multistage convolution neural network; and input the RGB image in turn to the already. In the training Mask RCNN, the security cap in the RGB image is segmented, and the two value mask in the corresponding RGB image of the corresponding RGB image of the trained RCNN is obtained. According to the two value mask of the safety cap part of the RGB image, the centroid sitting of the security cap in the RGB image is calculated by presetting the first formula and the preset second formula. According to the coordinates of the human nose bone and the centroid of the helmet, the Euclidean distance of the human body nose bone and the safety helmet is calculated by the preset third formula, and the D is judged whether the Euclidean distance D is greater than the preset distance threshold. If, if the worker does not wear the helmet correctly, the worker is properly wearing safety when working. Hat.

【技术实现步骤摘要】
一种监测工人安全帽佩戴的方法及装置
本专利技术涉及机器视觉
，尤其涉及一种监测工人安全帽佩戴的方法及装置。
技术介绍
当下，针对农民工的安全问题频发，传统人工监控的方式，监管者的责任心问题是此类安全问题的关键。此外，人工监控的误报和漏报也是固有的缺陷。而人力的成本也是现有的公司考虑的重大因素。由于工作人员的安全意识不高，或者是由于某些外界因素导致工作人员忘记佩戴安全帽，导致安全事故屡屡发生，可见，对安全帽的准确检测，以提醒未佩戴安全帽的工作人员进行佩戴，有利于在一定程度上避免安全事故的发生。现有技术中，对工作人员安全帽佩戴的检测方法采用数字视频检测系统获取监控视频，通过对摄像头采集一定区域内的整体图像或者当前用户的整体图像，再借助一位监管人员的进行人工判断。由于监测的区域较大，人工从图像中判断是否佩戴安全帽，相对来说，一方面依赖于数字视频检测系统的摄像头的质量，另一方面也对监管者的责任心和疲劳程度有依赖性，容易导致监测不准确，有时无法准确地对用户是否佩戴安全帽做出判断，从而无法完全避免因安全帽引发的安全事故的技术问题。
技术实现思路
本专利技术提供了一种监测工人安全帽佩戴的方法及装置，解决了由于监测的区域较大，人工从图像中判断是否佩戴安全帽，相对来说，一方面依赖于数字视频检测系统的摄像头的质量，另一方面也对监管者的责任心和疲劳程度有依赖性，容易导致监测不准确，有时无法准确地对用户是否佩戴安全帽做出判断，从而无法完全避免因安全帽引发的安全事故的技术问题。本专利技术提供了一种监测工人安全帽佩戴的方法，包括：S1、获取摄像头采集的视频文件；S2、将所述视频文件逐帧转换为RGB图像；S3、通过已训练的二分支多级卷积神经网络得到所述RGB图像中人体鼻骨的坐标；S4、将所述RGB图像依次输入至已训练的Mask-RCNN中，对所述RGB图像中的安全帽进行实例分割，得到已训练的Mask-RCNN输出的对应所述RGB图像中安全帽部分的二值掩膜；S5、根据所述RGB图像中安全帽部分的二值掩膜，通过预置第一公式和预置第二公式计算所述RGB图像中安全帽的质心坐标；S6、根据所述人体鼻骨的坐标与所述安全帽的质心坐标，通过预置第三公式计算所述人体鼻骨与所述安全帽的欧几里得距离D；S7、判断所述欧几里得距离D是否大于预设距离阈值，若是，则工人工作时未正确佩戴安全帽，若否，则工人工作时正确佩戴安全帽。可选地，所述步骤S3具体包括：通过一个10层的VGG-19卷积神经网络初始化和调整所述RGB图像，得到特征矩阵F；将所述特征矩阵F输入至已训练的二分支多级卷积神经网络中，得到所述RGB图像中人体骨骼的全部坐标；根据所述人体骨骼的全部坐标，确定所述RGB图像中人体鼻骨的坐标(x0,y0)。可选地，所述预置第一公式为：所述预置第二公式为：其中，(xi,yi)(i＝1,2…n)为所述RGB图像中安全帽部分的二值掩膜中值为1的元素的坐标，n为元素的个数；mi＝1(i＝1,2…n)为所述RGB图像中安全帽部分的二值掩膜中每一个像素点所表示的物体质量。可选地，所述预置第三公式为：本专利技术提供了一种监测工人安全帽佩戴的装置，包括：获取单元，用于获取摄像头采集的视频文件；转换单元，用于将所述视频文件逐帧转换为RGB图像；第一坐标确定单元，用于通过已训练的二分支多级卷积神经网络得到所述RGB图像中人体鼻骨的坐标；实例分割单元，用于将所述RGB图像依次输入至已训练的Mask-RCNN中，对所述RGB图像中的安全帽进行实例分割，得到已训练的Mask-RCNN输出的对应所述RGB图像中安全帽部分的二值掩膜；第二坐标确定单元，用于根据所述RGB图像中安全帽部分的二值掩膜，通过预置第一公式和预置第二公式计算所述RGB图像中安全帽的质心坐标；距离计算单元，用于根据所述人体鼻骨的坐标与所述安全帽的质心坐标，通过预置第三公式计算所述人体鼻骨与所述安全帽的欧几里得距离D；判断单元，用于判断所述欧几里得距离D是否大于预设距离阈值，若是，则工人工作时未正确佩戴安全帽，若否，则工人工作时正确佩戴安全帽。可选地，所述第一坐标确定单元具体包括：预处理子单元，用于通过一个10层的VGG-19卷积神经网络初始化和调整所述RGB图像，得到特征矩阵F；全部坐标确定子单元，用于将所述特征矩阵F输入至已训练的二分支多级卷积神经网络中，得到所述RGB图像中人体骨骼的全部坐标；第一坐标确定子单元，用于根据所述人体骨骼的全部坐标，确定所述RGB图像中人体鼻骨的坐标(x0,y0)。可选地，所述预置第一公式为：所述预置第二公式为：其中，(xi,yi)(i＝1,2…n)为所述RGB图像中安全帽部分的二值掩膜中值为1的元素的坐标，n为元素的个数；mi＝1(i＝1,2…n)为所述RGB图像中安全帽部分的二值掩膜中每一个像素点所表示的物体质量。可选地，所述预置第三公式为：本专利技术提供了一种监测工人安全帽佩戴的装置，包括：存储器，用于存储指令；处理器，耦合到所述存储器，所述处理器被配置为基于所述存储器存储的指令执行实现如上任一项所述的方法。本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上任一项所述的方法。从以上技术方案可以看出，本专利技术实施例具有以下优点：本专利技术提供了一种监测工人安全帽佩戴的方法，包括：S1、获取摄像头采集的视频文件；S2、将所述视频文件逐帧转换为RGB图像；S3、通过已训练的二分支多级卷积神经网络得到所述RGB图像中人体鼻骨的坐标；S4、将所述RGB图像依次输入至已训练的Mask-RCNN中，对所述RGB图像中的安全帽进行实例分割，得到已训练的Mask-RCNN输出的对应所述RGB图像中安全帽部分的二值掩膜。S5、根据所述RGB图像中安全帽部分的二值掩膜，通过预置第一公式和预置第二公式计算所述RGB图像中安全帽的质心坐标；S6、根据所述人体鼻骨的坐标与所述安全帽的质心坐标，通过预置第三公式计算所述人体鼻骨与所述安全帽的欧几里得距离D；S7、判断所述欧几里得距离D是否大于预设距离阈值，若是，则司机开车未使用手机，若否，则司机开车使用手机。本专利技术中，首先获取工人工作时的视频文件，再通过二分支多级神经网络得到视频文件中人体鼻骨的坐标，同时通过Mask-RCNN对视频文件中的安全帽进行实例分割，得到视频文件中安全帽部分的二值掩膜，进而得到视频文件中安全帽的质心坐标，最后计算人体鼻骨的坐标和安全帽的质心坐标之间的欧几里得距离，判断工人是否在工作过程中正确佩戴安全帽，本专利技术采用全视频检测的方式，解决了由于监测的区域较大，人工从图像中判断是否佩戴安全帽，相对来说，一方面依赖于数字视频检测系统的摄像头的质量，另一方面也对监管者的责任心和疲劳程度有依赖性，容易导致监测不准确，有时无法准确地对用户是否佩戴安全帽做出判断，从而无法完全避免因安全帽引发的安全事故的技术问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术提供的一种监测工人本文档来自技高网...

【技术保护点】
1.一种监测工人安全帽佩戴的方法，其特征在于，包括：S1、获取摄像头采集的视频文件；S2、将所述视频文件逐帧转换为RGB图像；S3、通过已训练的二分支多级卷积神经网络得到所述RGB图像中人体鼻骨的坐标；S4、将所述RGB图像依次输入至已训练的Mask‑RCNN中，对所述RGB图像中的安全帽进行实例分割，得到已训练的Mask‑RCNN输出的对应所述RGB图像中安全帽部分的二值掩膜；S5、根据所述RGB图像中安全帽部分的二值掩膜，通过预置第一公式和预置第二公式计算所述RGB图像中安全帽的质心坐标；S6、根据所述人体鼻骨的坐标与所述安全帽的质心坐标，通过预置第三公式计算所述人体鼻骨与所述安全帽的欧几里得距离D；S7、判断所述欧几里得距离D是否大于预设距离阈值，若是，则工人工作时未正确佩戴安全帽，若否，则工人工作时正确佩戴安全帽。

【技术特征摘要】
1.一种监测工人安全帽佩戴的方法，其特征在于，包括：S1、获取摄像头采集的视频文件；S2、将所述视频文件逐帧转换为RGB图像；S3、通过已训练的二分支多级卷积神经网络得到所述RGB图像中人体鼻骨的坐标；S4、将所述RGB图像依次输入至已训练的Mask-RCNN中，对所述RGB图像中的安全帽进行实例分割，得到已训练的Mask-RCNN输出的对应所述RGB图像中安全帽部分的二值掩膜；S5、根据所述RGB图像中安全帽部分的二值掩膜，通过预置第一公式和预置第二公式计算所述RGB图像中安全帽的质心坐标；S6、根据所述人体鼻骨的坐标与所述安全帽的质心坐标，通过预置第三公式计算所述人体鼻骨与所述安全帽的欧几里得距离D；S7、判断所述欧几里得距离D是否大于预设距离阈值，若是，则工人工作时未正确佩戴安全帽，若否，则工人工作时正确佩戴安全帽。2.根据权利要求1所述的监测工人安全帽佩戴的方法，其特征在于，所述步骤S3具体包括：通过一个10层的VGG-19卷积神经网络初始化和调整所述RGB图像，得到特征矩阵F；将所述特征矩阵F输入至已训练的二分支多级卷积神经网络中，得到所述RGB图像中人体骨骼的全部坐标；根据所述人体骨骼的全部坐标，确定所述RGB图像中人体鼻骨的坐标(x0,y0)。3.根据权利要求2所述的监测工人安全帽佩戴的方法，其特征在于，所述预置第一公式为：所述预置第二公式为：其中，(xi,yi)(i＝1,2…n)为所述RGB图像中安全帽部分的二值掩膜中值为1的元素的坐标，n为元素的个数；mi＝1(i＝1,2…n)为所述RGB图像中安全帽部分的二值掩膜中每一个像素点所表示的物体质量。4.根据权利要求1所述的监测工人安全帽佩戴的方法，其特征在于，所述预置第三公式为：5.一种监测工人安全帽佩戴的装置，其特征在于，包括：获取单元，用于获取摄像头采集的视频文件；转换单元，用于将所述视频文件逐帧转换为RGB图像；第一坐标确定单元，用于通过已训练的二分支多级卷积神经网络得到所述RGB图像中人体鼻骨的坐标；实例分割...

【专利技术属性】
技术研发人员：陈子韬，吴梓杰，冯忠伦，杨淑伶，江思敏，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44