一种动态背景中的安全帽检测方法与系统技术方案

本发明专利技术设计了一种动态背景中的安全帽检测方法与系统。涉及目标检测与跟踪领域，该方法通过对工人与安全帽数据集进行标注与训练，利用卷积神经网络的特性，将卷积层中搜集的特征录入到分类器中展开训练，同时在网络最后加一个分类层，使这些特征进入分类器进行分类。利用聚类的方法得到anchor boxes，并对每个预测框预测四个坐标值。根据这四个坐标值对图片中的目标画出预测框。根据预测得到的预测框坐标与类别，进行是否头戴安全帽的判别与工人的跟踪。本发明专利技术能够对工地中工作人员是否头戴安全帽精确地识别，采用卷积神经网络的方法来提取特征，可以更好地提升传统方法的识别效率与精度，同时能够较好地客服背景多变情况下的检测难度大的缺点。

A Safety Cap Detection Method and System in Dynamic Background

The invention designs a safety helmet detection method and system in dynamic background. In the field of target detection and tracking, this method annotates and trains the worker and safety cap data sets, uses the characteristics of convolution neural network to input the features collected in the convolution layer into the classifier for training, and adds a classification layer at the end of the network, so that these features can be classified into the classifier. The anchor boxes are obtained by clustering method, and four coordinate values are predicted for each prediction frame. According to these four coordinate values, a prediction frame is drawn for the target in the picture. According to the predicted frame coordinates and categories, the identification of wearing safety helmet or not and the tracking of workers are carried out. The invention can accurately identify whether workers wear safety hats or not in a construction site, and extract features by using convolution neural network method, which can better improve the recognition efficiency and accuracy of traditional methods, and at the same time can better serve the disadvantage of difficult detection in the case of changeable customer service background.

【技术实现步骤摘要】
一种动态背景中的安全帽检测方法与系统
本专利技术涉及目标检测与跟踪领域，具体设计了一种动态背景中的安全帽检测方法与系统。
技术介绍
随着信息技术的发展，目标检测与跟踪，已逐渐渗透到人们生活的方方面面，其重要性日益突出，吸引了越来越多的海内外学者及研究机构参与到此领域的研究。目前，目标检测与跟踪已广泛应用于视频监控、虚拟现实、人机交互、行星探测、行为理解等领域，实现了公共安全监控与管理，意外事件防范、检测及处理，应急推演，老幼病残监护以及自主导航等功能。目标检测(objectiondetection)是机器视觉中最常见的问题。是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力，近年来，目标检测在人工智能，人脸识别，无人驾驶等领域都得到了广泛的应用。然而，在目标检测的过程中会受到各种各样干扰，比如角度、遮挡、光线强度等因素，这些因素会导致目标发生畸变，为目标检测增加了新的挑战。近年来，卷积神经网络已经被广泛应用于物体检测与图像分类。网络通过训练该结构中的数百万个参数来自动学习特征。
技术实现思路
本专利技术设计一种动态背景中的安全帽本文档来自技高网...

【技术保护点】
1.一种动态背景中的安全帽检测方法与系统，其特征在于，所述方法包括以下步骤：步骤一：工人与安全帽数据集采集，采集工地工人的视频图像，人工方式标注工人与安全帽，区分人与安全帽，得到人‑安全帽识别数据集；步骤二：工人与安全帽数据集训练，接着将我们标注的人‑安全帽数据集作为我们卷积神经网络模型的训练集，最终得到工人‑安全帽检测模型；步骤三：目标检测，根据步骤二得到的工人‑安全帽检测模型，对实时视频图像或已保存的视频图像进行检测，识别出视频图像中的目标的类别并得到预测框的坐标(tx，ty，tw，th)；步骤四：目标分析，根据视频图像中的目标的工人预测框坐标，在他的一定坐标范围内遍历寻找是否有安全帽目标...

【技术特征摘要】
1.一种动态背景中的安全帽检测方法与系统，其特征在于，所述方法包括以下步骤：步骤一：工人与安全帽数据集采集，采集工地工人的视频图像，人工方式标注工人与安全帽，区分人与安全帽，得到人-安全帽识别数据集；步骤二：工人与安全帽数据集训练，接着将我们标注的人-安全帽数据集作为我们卷积神经网络模型的训练集，最终得到工人-安全帽检测模型；步骤三：目标检测，根据步骤二得到的工人-安全帽检测模型，对实时视频图像或已保存的视频图像进行检测，识别出视频图像中的目标的类别并得到预测框的坐标(tx，ty，tw，th)；步骤四：目标分析，根据视频图像中的目标的工人预测框坐标，在他的一定坐标范围内遍历寻找是否有安全帽目标的存在，设(px，py)为人预测框的左上角坐标，pw，ph分别为人预测框的宽和高，(hx，hy)分别为安全帽预测框的左上角坐标，pw，ph分别为安全帽预测框的宽和高，根据坐标判断，人的头上是否有安全帽；我们还对每一个目标进行光流跟踪，为每一个进入视频图像中的目标设置跟踪ID，在该目标离开视频图像之前一直进行跟踪。2.根据权利要求1所述的一种动态背景中的安全帽检测方法与系统，其特征在于，步骤一中所述得到工人-安全帽数据集方法包括以下步骤：步骤一：首先利用爬虫爬取网站上的建筑工地施工图片，或自行采集工地视频进行图片分帧提取；步骤二：然后删除掉不存在任何人或安全帽的图片，使用labelimg进行人工标注。3.根据权利要求1所述的一种动态背景中的安全帽检测方法与系统，其特征在于，步骤二所述的卷积神经网络模型训练包括以下步骤：步骤一：训练过程中，输入图像进入我们的卷积神经网络，进行特征提取，我们的卷积神经网络框架有53个卷积层，一层池化层与一个全连接层，采用53个卷积层进行特征提取，获取输入图像的特征；池化层用于降维与降低过拟合，最后一层全连接层负责综合前53个卷积层提取到的特征，可由如下矩阵形式表示：式中I1，...，I53为全连接层的输入，x1，...，x53为全连接层的输出；步骤二：考虑训练过程中的损失函数，我们采用均方和误差作为Loss函数，统一用以下公式作为损失函数：其中，CoordErr为定位误差，IOUErr为IOU误差，ClassErr为分类误差。4.根据权利要求1所述的一种动态背景中的安全帽检测方法与系统，其特征在于，步骤三所述的目标检测包括以下步骤：步骤一：首先输入视频图像，对每一帧的视频图像进行形态学滤波，祛除椒盐噪声，使图像更加平滑；步骤二：接着根据得到的训练好的工人-安全帽检测模型，检测过程中，输入图像被我们的卷积神经网络框架划分为S×S的网格，每个网格预...

【专利技术属性】
技术研发人员：胡平，裴嘉震，徐曾春，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏,32