安全帽佩带检测方法及系统技术方案

本发明专利技术涉及一种安全帽佩带检测方法及系统，属于施工安全辅助设备技术领域，其特征在于，至少包括：S1、数据获取；定时或实时采集监控区域的图像或视频；S2、对上述图像或视频进行处理；具体为：S201、将上述图像或视频进行智能结构化处理，实现视频中人员和活动目标的结构化信息提取，识别出场景中的人体属性；S202、对人脸进行定位识别，通过确认人体属性，进一步向上确认人脸信息；S203、向上扫描，通过深度学习算法，判别头部是否有安全帽；S204、通过多次学习和比对，提高识别准确率；S3、结果反馈，当判别结果为没有安全帽时，则发送报警提醒通知。

Inspection method and system of helmet wearing

【技术实现步骤摘要】
安全帽佩带检测方法及系统
本专利技术属于施工安全辅助设备
，具体涉及一种安全帽佩带检测方法及系统。
技术介绍
众所周知，国家电网是以建设和运营电网为核心业务，承担着保障更安全、更经济、更清洁、可持续的电力供应的基本使命，国家电网的安全正常运营关系着国民生活的方方面面，为了保证国家电网的正常运营，需要对国家电网进行施工、定期检修和维护，在施工、定期检修和维护中，工作人员需要进入现场，为了保证工作人员的安全，进入现场的工作人员均需要佩戴安全帽，但是由于疏忽大意或者是其他原因，工作人员未佩戴安全帽的事故时有发生，为了避免这种事故的发生，传统的方案是安排特定的人员进行巡检，但是这种传统技术需要耗费大量的人力和物力，为了克服上述缺陷，设计开发一种快速高效的安全帽佩带检测方法显得是尤为重要。
技术实现思路
本专利技术为解决公知技术中存在的技术问题，提供一种安全帽佩带检测方法及系统，该安全帽佩带检测方法及系统能够快速实施地对监控区域内的人员是否佩戴安全帽作出判断，防患于未然。本专利技术的第一目的是提供一种安全帽佩带检测方法，至少包括：S1、数据获取；定时或实时采集监控区域的图像或视频；S2、对上述图像或视频进行处理；具体为：S201、将上述图像或视频进行智能结构化处理，实现视频中人员和活动目标的结构化信息提取，识别出场景中的人体属性；S202、对人脸进行定位识别，通过确认人体属性，进一步向上确认人脸信息；S203、向上扫描，通过深度学习算法，判别头部是否有安全帽；S204、通过多次学习和比对，提高识别准确率；S3、结果反馈，当判别结果为没有安全帽时，则发送报警提醒通知。本专利技术的第二目的是提供一种安全帽佩带检测系统，至少包括：数据获取模块；定时或实时采集监控区域的图像或视频；图像处理模块、对上述图像或视频进行处理；具体为：A、将上述图像或视频进行智能结构化处理，实现视频中人员和活动目标的结构化信息提取，识别出场景中的人体属性；B、对人脸进行定位识别，通过确认人体属性，进一步向上确认人脸信息；C、向上扫描，通过深度学习算法，判别头部是否有安全帽；D、通过多次学习和比对，提高识别准确率；结果输出模块，当判别结果为没有安全帽时，则发送报警提醒通知。进一步：还包括数据存储模块，所述数据存储模块分别与数据获取模块、图像处理模块进行数据交互。本专利技术具有的优点和积极效果是：通过采用上述技术方案，本专利技术通过图像处理技术对监控区域内的人员图像进行分析，进而快速判定出上述人员是否配搭安全帽，当上述人员未配搭安全帽时，及时发出报警或者是通知；防患于未然。附图说明图1为本专利技术优选实施例的流程图；图2为本专利技术优选实施例中人物识别的结果图。具体实施方式下面结合附图并通过具体实施例对本专利技术作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本专利技术的保护范围：请参阅图1，一种安全帽佩带检测方法，包括：S1、数据获取；定时或实时采集监控区域的图像或视频；S2、利用安全帽视频分析算法对上述图像或视频进行处理；具体为：S201、将上述图像或视频进行智能结构化处理，首先通过对采集的图像进行场景分割，分割成人，物，场景几个维度。进一步根据帧来识别里面的内容，按照人、物、场景的维度实现视频中人员和活动目标的结构化信息提取；S202、对人脸进行定位识别，首先通过骨架分析技术，将视频中的人体进行提取。采用KhalidSheed的K3M算法迭代腐蚀边界，视频图像中的人体的边界开始燃烧，物体就会被逐步细化，最终细化成火柴人，如图2。进而通过骨架定位人脸位置；S203、向上扫描，通过基于Yolov3目标检测学习算法，判别头部是否有安全帽；Yolov3算法采用了FPN特征融合的思想，网络最终使用多个尺度的特征来进行目标检测，能够提升全图的目标检测性能，保障目标检出的精准度。S204、通过多次学习和比对，提高识别准确率；S3、结果反馈，当判别结果为没有安全帽时，则发送报警提醒通知。在上述优选实施例中：安全帽视频分析算法是基于背景减除方法衍生出的高级算法，区别于普通图像识别，其最大的特点是运动性及环境的多变性。安全帽的识别是在移动视频分析的基础上更为具体的一种识别方式，首先需要对移动物体进行判断，然后定位移动物体的头部，在利用深度学习算法，通过搭建卷积神经网络，对安全帽进行识别分析。实际场景中的背景很复杂，存在各种各样的干扰，且背景是随时间不断变化的，过滤干扰算法能处理这些干扰和变化。该算法的特点：(1)能适应背景随时间的缓慢变化，如一天中不同时间段的光照变化。(2)能适应背景物体的变化，如场景中移入新的物体，背景中的物体移出场景等。(3)背景模型能描述背景中的一些较大扰动，如树叶晃动、显示器屏幕闪烁等。(4)能检测出光照的突然变化，并能在尽量短的时间内适应这种变化。该算法充分利用多帧的累计效应，通过一个增益因子，适当调节帧间的信号差，然后累加在背景帧中，通过调节增益因子的大小，获得最佳的背景图像。该增益因子的计算公式：其中，α为渐消因子，决定增益因子k(i)的大小，取值范围为α∈(0,1)；是当前背景的估计，是前一帧背景的估计。最后加入头部安全的识别别算法即可完成一次识别过程。结合安全帽识别的电网应用场景，通过对比测试，选择卷积神经网络。通过简单的模型搭建，验证整个识别效果能达到应用要求。当前构建三层的卷积神经网络进行测试验证。表1测试后的结果检出率检准率安全帽91.2％96.08本专利技术的第二目的是提供一种安全帽佩带检测系统，至少包括：数据获取模块；定时或实时采集监控区域的图像或视频；图像处理模块、对上述图像或视频进行处理；具体为：A、将上述图像或视频进行智能结构化处理，实现视频中人员和活动目标的结构化信息提取，识别出场景中的人体属性；B、对人脸进行定位识别，通过确认人体属性，进一步向上确认人脸信息；C、向上扫描，通过深度学习算法，判别头部是否有安全帽；D、通过多次学习和比对，提高识别准确率；结果输出模块，当判别结果为没有安全帽时，则发送报警提醒通知。作为优选：还包括数据存储模块，所述数据存储模块分别与数据获取模块、图像处理模块进行数据交互。以上所述仅是对本专利技术的较佳实施例而已，并非对本专利技术作任何形式上的限制，凡是依据本专利技术的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本专利技术技术方案的范围内。本文档来自技高网...

【技术保护点】
1.一种安全帽佩带检测方法，其特征在于，至少包括：/nS1、数据获取；定时或实时采集监控区域的图像或视频；/nS2、对上述图像或视频进行处理；具体为：/nS201、将上述图像或视频进行智能结构化处理，实现视频中人员和活动目标的结构化信息提取，识别出场景中的人体属性；/nS202、对人脸进行定位识别，通过确认人体属性，进一步向上确认人脸信息；/nS203、向上扫描，通过深度学习算法，判别头部是否有安全帽；/nS204、通过多次学习和比对，提高识别准确率；/nS3、结果反馈，当判别结果为没有安全帽时，则发送报警提醒通知。/n

【技术特征摘要】
1.一种安全帽佩带检测方法，其特征在于，至少包括：
S1、数据获取；定时或实时采集监控区域的图像或视频；
S2、对上述图像或视频进行处理；具体为：
S201、将上述图像或视频进行智能结构化处理，实现视频中人员和活动目标的结构化信息提取，识别出场景中的人体属性；
S202、对人脸进行定位识别，通过确认人体属性，进一步向上确认人脸信息；
S203、向上扫描，通过深度学习算法，判别头部是否有安全帽；
S204、通过多次学习和比对，提高识别准确率；
S3、结果反馈，当判别结果为没有安全帽时，则发送报警提醒通知。


2.一种安全帽佩带检测系统，其特征在于，至少包括：
...

【专利技术属性】
技术研发人员：薛磊，曹旌，褚海波，杨要中，高耀宇，
申请(专利权)人：国网天津市电力公司，
类型：发明
国别省市：天津;12