基于深度学习的安全帽定位与颜色识别的方法及系统技术方案

本发明专利技术提供一种基于深度学习的安全帽定位与颜色识别的方法及系统，方法包括：采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息；本发明专利技术能够持续有效的监控指定区域，防止人员未佩戴安全帽造成安全事故，代替人工进行智能分析处理并实时地发出报警信号，提高安防视频监控的通用性、稳定性和准确性不高的问题。

Method and System of Safety Cap Location and Color Recognition Based on Deep Learning

【技术实现步骤摘要】
基于深度学习的安全帽定位与颜色识别的方法及系统
本专利技术涉及计算机应用领域，尤其涉及一种基于深度学习的安全帽定位与颜色识别的方法及系统。
技术介绍
随着安防监控摄像头的普及，各种不同场景下的识别需求也应运而生，尤其是针对人员安全方面的识别需求。对于工地、工厂以及其他特定场合，要求相关工作人员及外来访客必须佩戴安全帽，则需要通过安防监控摄像头对该类区域进行24小时地实时监控，如果有人体进入该区域且没有正确佩戴安全帽则及时提醒或者发出报警信号。传统的安防视频监控手段是采用人工的方式对大批量的监控视频进行辨别，但这种方式难以24小时连续工作，且容易发生漏看的情况。针对这一问题，现有的监控方式大部分是通过人体识别加上安全帽识别的串行方式进行的安全帽佩戴判断，即先识别画面中有无人体，将人体部分的图像裁剪出来，再对上述裁剪后的图像判断是否存在安全帽。此类串行识别方式的最大局限是如果第一步人体识别出现问题，则后续安全帽识别操作则无法进行。在现实场景中，人体在视频画面中容易被遮挡，且图像采集装置的角度也对人体识别的精度有很大影响，容易造成误识别和漏检。因此，这种串行方法的通用性、稳定性和准确性不高。因此，需要一种新的监控方式，以提高安防视频监控的通用性、稳定性和准确性不高的问题。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术提供一种基于深度学习的安全帽定位与颜色识别的方法及系统，以解决上述技术问题。本专利技术提供的基于深度学习的安全帽定位与颜色识别的方法，包括：采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息。可选的，所述目标分类至少包括人体头部和安全帽；当检测到的感兴趣区域只有人体头部时，判定存在人员未佩戴安全帽；当检测到的感兴趣区域只有安全帽时，判定安全帽被正确佩戴；当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，判断安全帽是否被正确佩戴。可选的，当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，获取人体头部和安全帽的位置关系，以及人体头部和安全帽的中心点距离，当安全帽的位置位于人体头部上方，且二者的中心点距离不超过预设的距离阈值时，则判定安全帽被正确佩戴，否则，则判定安全帽未被正确佩戴。可选的，根据采集的图像信息，获取连续帧图像，获取当前帧图像和前帧图像中每个像素点的差值，将所述差值与预设的阈值进行比较，当所述差值超过预设的阈值范围时，将对应的像素点作为前景图像，否则，则作为背景图像，通过所述前景图像获取所述图像信息中的运动物体图像。可选的，所述检测结果还包括目标的置信度，所述目标置信度至少包括人体头部的置信度和安全帽的置信度，预先设置置信度阈值，当检测结果中的目标的置信度大于预设的置信度阈值时，则将其作为可信结果，否则，则将其作为不可信结果，并进行忽略处理。可选的，当判定安全帽被正确佩戴后，对处于安全帽的位置信息区域内的图像进行颜色识别，获取检测目标的安全帽的颜色。本专利技术还提供一种基于深度学习的安全帽定位与颜色识别的系统，包括：图像采集模块，用于采集图像信息；图像处理模块，用于获取图像信息中的运动物体图像，并将其作为感兴趣区域；卷积神经网络模型，用于对所述图像信息按预先设置的目标分类进行多目标并行检测，获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；判定模块，用于根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断；报警模块，用于当判定存在人员未佩戴安全帽时，发出报警信息。可选的，还包括：颜色识别模块，用于当判定安全帽被正确佩戴后，对处于安全帽的位置信息区域内的图像进行颜色识别，获取检测目标的安全帽的颜色；统计模块，用于统计图像信息中佩戴安全帽的人员的数量。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法。本专利技术还提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述任一项所述方法。本专利技术的有益效果：本专利技术中的基于深度学习的安全帽定位与颜色识别的方法及系统，实现了监控视频中危险区域的智能化报警，能够持续有效的监控指定区域，防止人员未佩戴安全帽造成安全事故；本专利技术能够二十四小时不间断地对安防监控视频进行智能视觉识别和识别分析，针对视频图像能够拍摄到的区域，代替人工进行智能分析处理并实时地发出报警信号，提高安防视频监控的通用性、稳定性和准确性不高的问题。附图说明图1是本专利技术实施例中基于深度学习的安全帽定位与颜色识别的方法的流程示意图。图2是本专利技术实施例中基于深度学习的安全帽定位与颜色识别的系统的结构示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。在下文描述中，探讨了大量细节，以提供对本专利技术实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本专利技术的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本专利技术的实施例难以理解。如图1所示，本实施例中的基于深度学习算法的安全帽定位与颜色识别方法，包括：采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息。在本实施例中，可以通过监控摄像头等图像采集装置对需要进行监控的区域，例如安防或工地工厂等场景进行图像采集，获取对应的实时图像信息，首先，识别实时视频图像中有变化的部分，即运动的物体；如果视频图像中出现了运动的物体，则针对该部分图像，利用基于深度学习算法的卷积神经网络模型，进行人头部的目标检测和安全帽的目标检测；再根据人头部的目标检测和安全帽的目标检测的识别结果，从逻辑上判断人员佩戴安全帽的情况；如果检测到未佩戴安全帽的人员，则发出报警信息；如果检测到正确佩戴安全帽的人员，则通过图像识别算法，识别安全帽的颜色，并进本文档来自技高网...

【技术保护点】
1.一种基于深度学习的安全帽定位与颜色识别的方法，其特征在于，包括：采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息。

【技术特征摘要】
1.一种基于深度学习的安全帽定位与颜色识别的方法，其特征在于，包括：采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息。2.根据权利要求1所述的基于深度学习的安全帽定位与颜色识别的方法，其特征在于，所述目标分类至少包括人体头部和安全帽；当检测到的感兴趣区域只有人体头部时，判定存在人员未佩戴安全帽；当检测到的感兴趣区域只有安全帽时，判定安全帽被正确佩戴；当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，判断安全帽是否被正确佩戴。3.根据权利要求2所述的基于深度学习的安全帽定位与颜色识别的方法，其特征在于，当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，获取人体头部和安全帽的位置关系，以及人体头部和安全帽的中心点距离，当安全帽的位置位于人体头部上方，且二者的中心点距离不超过预设的距离阈值时，则判定安全帽被正确佩戴，否则，则判定安全帽未被正确佩戴。4.根据权利要求1所述的基于深度学习的安全帽定位与颜色识别的方法，其特征在于，根据采集的图像信息，获取连续帧图像，获取当前帧图像和前帧图像中每个像素点的差值，将所述差值与预设的阈值进行比较，当所述差值超过预设的阈值范围时，将对应的像素点作为前景图像，否则，则作为背景图像，通过所述前景图像获取所述图像信息中的运动物体图像。5.根据权利要求1所...

【专利技术属性】
技术研发人员：庞殊杨，毛尚伟，贾鸿盛，谢小东，唐海翔，陈正国，王志伟，李强，刘明，
申请(专利权)人：中冶赛迪重庆信息技术有限公司，
类型：发明
国别省市：重庆,50