一种基于深度学习的安全帽佩戴状态实时检测方法技术

本发明专利技术公开了一种利用深度学习技术完成视频中安全帽佩戴状态的实时检测方法，为人员区域检测，头部区域提取，安全帽存在性判断三个步骤，人员区域检测使用了当前准确性和实时性较好的YOLOv3目标检测网络，头部区域提取根据先验条件人为设定选择，最后的安全帽存在性判断依靠卷积神经网络来完成。本发明专利技术将神经网络和安防监控领域结合，提升了安全帽佩戴的监控效果，也提供了一个通用的监控框架，未来可以对其中各部分分别进行改进，进一步提升准确率。

A real-time detection method of helmet wearing state based on deep learning

【技术实现步骤摘要】
一种基于深度学习的安全帽佩戴状态实时检测方法
本专利技术应用于对生产作业环境的智能管理领域，具体说是一种基于深度学习的安全帽佩戴状态实时检测方法。
技术介绍
对近几年的全国安全生产数据进行分析，可以发现生产安全事故中超过90％的原因是作业人员的违章操作导致的。各机构都投入更多的精力去打造一个安全，健康的生产建设环境，希望引进先进的自动化技术应用于生产管理，减少人力的消耗，打造更加全面，准确，灵敏的安全防护系统。安全帽，作为劳保用品重要的一部分，应用非常广泛，其重要性也更容易被一些工作人员忽视，然而因为未佩戴安全帽所产生的事故，造成的后果往往都是极为严重的。计算机视觉领域的发展带动了图像采集设备和图像处理技术的结合应用。将拍摄画面传输到计算端，运用相关算法，对场景进行实时的分析，进行目标检测，目标跟踪，图像分割等任务，简化了管理过程中人工观测，分析的冗杂过程。从图像角度看待安全帽的佩戴识别问题，也可以发现，安全帽醒目的颜色和外形尤其适合用图像技术进行处理。现阶段对于安全帽佩戴的识别方法存在的一些缺陷包括：1.脱离人体，将安全帽的检本文档来自技高网...

【技术保护点】
1.一种基于深度学习的安全帽佩戴状态实时检测方法，其特征在于：结合深度卷积神经网络，分为人员区域检测，头部区域提取，安全帽存在性判断三个过程，其中人员区域检测过程利用经典的目标检测网络，采用YOLOv3检测框架，只进行人员检测，获取人员位置信息，为安全帽和人的相对位置获取提供保障；头部区域提取过程根据经验确定，尽可能的扩大提取范围，提升容错率；安全帽存在性判断过程是一个由卷积神经网络完成的分类工作。/n

【技术特征摘要】
1.一种基于深度学习的安全帽佩戴状态实时检测方法，其特征在于：结合深度卷积神经网络，分为人员区域检测，头部区域提取，安全帽存在性判断三个过程，其中人员区域检测过程利用经典的目标检测网络，采用YOLOv3检测框架，只进行人员检测，获取人员位置信息，为安全帽和人的相对位置获取提供保障；头部区域提取过程根据经验确定，尽可能的扩大提取范围，提升容错率；安全帽存在性判断过程是一个由卷积神经网络完成的分类工作。


2.根据权利要求1所述的基于深度学习的安全帽佩戴状态实时检测方法，其特征在于：人员区域检测采用YOLOv3检测框架，保证了算法运行的速度，满足实时性需求，同时获得较准确的检测结果。


3.根据权利要求1所述的基于深度学习的安全帽佩戴状态实时检测方法，其特征在于：头部区域提取中，按照长宽比，采取人员区域中靠近上方的正方形区域作为提取区域。


4.根...

【专利技术属性】
技术研发人员：朱朝阳，周司徒，高沈钢，
申请(专利权)人：江苏电力信息技术有限公司，国网江苏省电力有限公司苏州供电分公司，国网江苏省电力有限公司，
类型：发明
国别省市：江苏;32