一种行人和安全帽检测方法、装置及系统制造方法及图纸

本发明专利技术公开了一种行人和安全帽检测方法、检测装置及系统，其中所述方法包括获取视频图像；通过行人‑安全帽检测模型对所述视频图像进行行人和安全帽检测；采用目标跟踪算法为检测到的所述行人匹配唯一的身份标识；判断所述携带身份标识的行人是否已标记佩戴安全帽，如是，则将所述行人标记为佩戴安全帽并输出。本方案能够解决在训练卷积神经网络数据集不平衡与标签缺失所带来数据不可用问题，节省了大量人工标注成本。并且，采用目标跟踪方法使得视频内的行人对象化，为每一个出现在视频内的行人都分配唯一ID，对其是否佩戴安全帽进行多帧长时间检测，极大的降低了误报率。

A detection method, device and system for pedestrian and safety helmet

【技术实现步骤摘要】
一种行人和安全帽检测方法、装置及系统
本专利技术属于目标检测和识别
，具体涉及一种行人和安全帽检测方法、装置及系统。
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至关重要。现有技术中，对工作人员安全帽佩戴的检测方法采用机器学习的方式，由于检测的区域较大，是否佩戴安全帽的特征，相对来说，不是很明显，容易造成检测不准确。此外，现有的检测算法不能使用标签缺失的数据，比如想要同时检测安全帽和行人，训练所需图像数据中的安全帽与行人都不能缺失，因此对于大部分的识别网络无法使用。
技术实现思路
针对于上述现有技术的不足，本专利技术提供一种行人和安全帽检测方法，包括获取视频图像；通过行人-安全帽检测模型对所述视频图像进行行人和安全帽检测；采用目标跟踪算法为检测到的所述行人匹配唯一的身份标识；判断所述携带身份标识的行人是否已标记佩戴安全帽，如是，则将所述行人标记为佩戴安全帽并输出。在一个可能的实施例中，该方法还包括，如果所述携带身份标识的行人未标记佩戴安全帽，将携带身份标识的行人与安全帽标识进行匹配，将在预设帧数内未匹配成功的行人标记为未佩戴安全帽。在一个可能的实施例中，在一个可能的实施例中，所述预设帧数是15帧。在一个可能的实施例中，在获取视频图像之前还包括：接收第一训练图像，包括：只包含第一或第二待检测物的样本图像、包含第一待检测物和第二待检测物的样本图像、不包含待检测物的样本图像，其中第一待检测物、第二待检测物分别是以下之一：行人、安全帽；对所述第一训练图像进行标注以获取第二训练图像；对所述第二训练图像进行学习训练获取行人-安全帽检测模型。在一个可能的实施例中，对所述第一训练图像进行标注包括，根据样本图像中所包含的第一待检测物或第二待检测物进行分类标注。在一个可能的实施例中，所述采用目标跟踪算法为检测到的所述行人匹配唯一的身份标识包括：对所述被检测到的行人进行目标跟踪，得到该行人的预测位置；通过卷积神经网络对所述被检测到的行人进行特征提取；根据所述预测位置和所述特征相似度进行行人的身份标识匹配。在一个可能的实施例中，所述方法还包括，删除在预设帧数内未匹配成功身份标识的行人。在一个可能的实施例中，在获取视频图像之前，还包括从视频流中读取视频图像并存入图像池。本专利技术实施例还公开了一种行人和安全帽检测装置，包括获取单元，用于获取视频图像；检测单元，用于通过行人-安全帽检测模型对所述视频图像进行行人和安全帽检测；跟踪单元，用于采用目标跟踪算法为检测到的所述行人匹配唯一的身份标识；判断单元，用于判断所述携带身份标识的行人是否已标记佩戴安全帽，如是，则将所述行人标记为佩戴安全帽并输出。本专利技术实施例还公开了一种行人和安全帽检测系统，包括摄像头以及与摄像头连接的如前述检测装置。本专利技术的有益效果：本方案能够解决在训练卷积神经网络数据集不平衡与标签缺失所带来数据不可用问题，节省了大量人工标注成本；并且使得安全帽检测准确率泛化性增强，准确率提高。其次，采用DeepSort目标跟踪方法，使得视频内的行人对象化，为每一个出现在视频内的行人都分配唯一ID，并对其是否佩戴安全帽进行多帧长时间检测，极大的降低了误报率。附图说明图1为本专利技术实施例中的系统组成示意图；图2为本专利技术实施例中的一种方法流程示意图；图3为本专利技术实施例中的有一种方法流程图；图4为本专利技术实施例中的再一种方法流程图；图5为本专利技术实施例中的检测装置结构示意图；图6为本专利技术实施例中的一种神经网络结构示意图。具体实施方式为了便于本领域技术人员的理解，下面结合实施例与附图对本专利技术作进一步的说明，实施方式提及的内容并非对本专利技术的限定。参照图1所示，本专利技术的一个实施例公开了一种行人和安全帽检测系统10，包括摄像头100、检测装置200、显示装置300。其中，摄像头100与检测装置200连接，用于采集现场例如工地等的实时画面。在一个实施例中，摄像头100可以包括输入设备、处理器、存储介质、内存、接口，输入设备用于采集视频图像；处理器用于提供计算和控制能力，在一个实施例中处理器可以通过检测模型对视频图像进行检测分析；存储介质可以存储有行人和安全帽的检测模型，该模型用于实现适用于摄像头的一种行人和安全帽的检测方法；内存为存储介质中的行人和安全帽的检测方法的运行提供环境；接口用于与检测装置进行数据传递，接口可为数据线接口或无线接口等。检测装置200分别与摄像头100和显示装置300连接，用于对摄像头100输入的视频图像进行处理分析等。在一个实施例中，检测装置200可以设置在工地等现场，用于检测分析摄像头100发送的视频图像。在一个实施例中，检测装置200可以是服务器或服务器集群；服务器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，该服务器的存储介质存储有操作系统、数据库和行人-安全帽的检测模型；数据库用于存储数据，如存储现场视频图像；在一个实施例中检测装置200用于实现一种行人和安全帽的检测方法，下文具体描述该方法。该服务器的处理器用于提供计算和控制能力，支撑整个服务器的运行。该服务器的内存为存储介质中的行人安全帽检测装置的运行提供环境。该服务器的网络接口用于与外部的显示装置、摄像头通过网络连接通信。显示装置300与检测装置200连接，用于显示检测装置200的输出结果。在一个实施例中显示装置300可以为智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。显示装置300可以设置在工地等视频图像采集现场。如图2，本专利技术实施例中公开了一种行人和安全帽检测方法，可以应用在检测装置200侧。具体步骤包括：S100，获取视频图像；摄像头100可以实时采集现场的视频图像，检测装置200获取该视频图像。该视频图像可以是经过摄像头100预处理过的视频图像。参照如3，检测装置200包括存储器，存储器中可以包括图像池IN和图像池OUT，分别用于存储摄像头100采集的图像和经目标识别和目标检测后携带标记信息的图像。在视频图像处理过程中，从图像池IN中按顺序读取图像X，并输入到检测装置200处理分析然后存入图像池OUT，直到图像池IN中的图像读取完成。从图像池OUT中可以按顺序读取经检测跟踪的图像的相关信息输出给显示装置300，显示信息可以包括行人标记、佩戴安全帽标记、未佩戴安全帽标记等。在一个实施例中，在获取视频图像之前还包括通过大量的样本图像学习训练获得行人-安全帽检测模型，具体的包括：首先，接收第一训练图像，包括以下至少之一：只包含第一或第二待检测物的样本图像、包含第一待检测物和第二待检测物的样本图像、不包含待检测物的样本图像，其中第一待检测物、第二待检测物分别是以下之一：行本文档来自技高网...

【技术保护点】
1.一种行人和安全帽检测方法，其特征在于，包括：/n获取视频图像；/n通过行人-安全帽检测模型对所述视频图像进行行人和安全帽检测；/n采用目标跟踪算法为检测到的所述行人匹配唯一的身份标识；/n判断所述携带身份标识的行人是否已标记佩戴安全帽，如是，则将所述行人标记为佩戴安全帽并输出。/n

【技术特征摘要】
1.一种行人和安全帽检测方法，其特征在于，包括：
获取视频图像；
通过行人-安全帽检测模型对所述视频图像进行行人和安全帽检测；
采用目标跟踪算法为检测到的所述行人匹配唯一的身份标识；
判断所述携带身份标识的行人是否已标记佩戴安全帽，如是，则将所述行人标记为佩戴安全帽并输出。


2.根据权利要求1所述的方法，其特征在于，还包括，如果所述携带身份标识的行人未标记佩戴安全帽，将携带身份标识的行人与安全帽标识进行匹配，将在预设帧数内未匹配成功的行人标记为未佩戴安全帽。


3.根据权利要求2所述的方法，其特征在于，所述预设帧数是15帧。


4.根据权利要求1所述的方法，其特征在于，在获取视频图像之前还包括：
接收第一训练图像，包括：只包含第一或第二待检测物的样本图像、包含第一待检测物和第二待检测物的样本图像、不包含待检测物的样本图像，其中第一待检测物、第二待检测物分别是以下之一：行人、安全帽；
对所述第一训练图像进行标注以获取第二训练图像；
对所述第二训练图像进行学习训练获取行人-安全帽检测模型。


5.根据权利要求4所述的方法，其特征在于，对所述第一训练图像进行标注包括，根据样本图像中所包含的第一待检测物或第二待检测物进行分类标注。


6.根据权利要求1所述的方法，其特征在于，所述采用目标跟踪算法为检测到的所述行人匹配唯一的身份标识包括：对所述被检测到的行人进行目标跟踪，得到该行人的预测位置；通过卷积神经网络对所述被检测到的行人进行特征提取；根据所述预测位置和所述特征相似度进行行人的身份标识匹配。


7.根据权利要求1或6所述的方法，其特征在于，所述方法还包括，删除在预设帧数内未匹配成功身份标识的行...

【专利技术属性】
技术研发人员：桂冠，曹文刚，
申请(专利权)人：南京桂瑞得信息科技有限公司，
类型：发明
国别省市：江苏;32