一种工地安全防护检测方法和系统技术方案

本发明专利技术公开了一种工地安全防护检测方法和系统，通过构建融合CLAHE算法的目标检测网络，利用训练集训练优化目标检测网络；根据训练优化后的目标检测网络获得模型权重文件，将模型权重文件读取至融合非极大值抑制算法的ImageAI库中，得到安全防护用具检测模型，获取待检测监控视频，采用安全防护用具检测模型检测待检测监控视频中每一实时监控图像中工作人员是否佩戴安全防护用具，若连续M张实时监控图像的检测结果为存在未佩戴安全设备的工作人员，则向现场管理员终端发送报警信息。本发明专利技术可靠有效地检测安全用具佩戴情况，降低施工场地监管的人力物力，提高了监管的及时性，降低安全事故发生的概率。

A detection method and system of safety protection in construction site

【技术实现步骤摘要】
一种工地安全防护检测方法和系统
本申请属于视频图像处理
，具体涉及一种工地安全防护检测方法和系统。
技术介绍
据中华人民共和国住房和城乡建设部公布的统计报告，建筑行业事故数量呈现逐渐减少的趋势。造成建筑施工安全生产事故的原因包括坠落、滑倒、碰撞、触电等，其中，在大多数由坠落导致的工人死亡事件中，死亡原因为头部未受到规范保护从而致使头部受到严重撞击。文献研究分析了建筑工地死亡人数和使用安全设备的关系，结果显示，47.3％的致命受害者未使用过或未正确使用安全防护用具(如安全帽和安全带等)。为了确保工人遵守相关规定并在工作现场正确佩戴安全帽和安全带，开发出高效的自动监测施工现场安全的方法至关重要。目前，一些工地建立了施工范围内的工作人员视频监控系统，但是，对于大量的监控屏幕，在任何时候都能识别出所有安全帽违规行为是极其困难的。因此，迫切需要开发基于智能视觉的系统来执行该监视任务。近年来，图像识别技术取得了重大进展并且已经应用于人脸识别、车辆检测和行人检测等领域，此外，自动视觉检测也已经广泛应用于工业领域。经前期调研可知，目前用于识别安全帽和安全带的方法主要基于传统图像处理算法或基于机器学习和图像处理相结合的算法。普遍存在检测精度或检测速率不高、漏检概率较高等问题。
技术实现思路
本申请的目的是提供的一种工地安全防护检测方法和系统，可靠有效地检测到未佩戴安全防护用具的情况，以降低目前对工地安全监管付出的大量人力物力，同时提高了工地安全监管的及时性。为实现上述目的，本申请所采取的技术方案为：一种工地安全防护检测方法，用于实时检测工地的工作人员是否穿戴安全防护用具，并在出现未佩戴安全防护用具时向现场管理员终端发送报警信息，所述工地安全防护检测方法，包括：步骤S1、获取经过标定的工作人员是否佩戴安全防护用具的训练图像，将训练图像换分为训练集和测试集；步骤S2、构建融合CLAHE算法的RetinaNet目标检测网络，并利用所述训练集训练优化所述RetinaNet目标检测网络；步骤S3、根据训练优化后的RetinaNet目标检测网络获得模型权重文件，并将所述模型权重文件读取至融合非极大值抑制算法的ImageAI库中，得到安全防护用具检测模型，利用所述测试集验证所述安全防护用具检测模型是否达到收敛条件，若达到收敛条件，则输出安全防护用具检测模型；否则重新进入步骤S1；步骤S4、获取实时的待检测监控视频，根据所述待检测监控视频得到实时监控图像，采用所述安全防护用具检测模型检测每一实时监控图像中工作人员是否佩戴安全防护用具，若连续M张实时监控图像的检测结果为未佩戴安全防护用具，则向现场管理员终端发送报警信息，M为设定的阈值参数。进一步的，所述工地安全防护检测方法，还包括：在获取待检测监控视频时，同时获取与待检测监控视频匹配的监控位置信息，并在根据所述待检测监控视频得到实时监控图像时，为每一实时监控图像生成对应的监控位置信息；则所述向现场管理员终端发送报警信息，包括：向现场管理员终端发送未佩戴安全防护用具的工作人员的实时监控图像以及对应的监控位置信息。进一步的，所述融合CLAHE算法的RetinaNet目标检测网络，在对图像进行处理时，包括：步骤S2.1、建立CLAHE算法均衡图像，CLAHE算法如下：步骤S2.1.1、将原始图像划分为非重叠的网格，并分别计算所有网格的直方图；步骤S2.1.2、剪切直方图以避免受到噪音的影响，如果任何强度值的像素数大于预定阈值，则应将其固定为该阈值，将剪切的像素数均匀地分配给直方图；步骤S2.1.3、对步骤S2.1.2中获得的直方图执行直方图均衡，组合相邻网格并使用双线性插值消除边界伪影，对于网格中心的像素，使用四个相邻像素的插值；步骤S2.2、建立深度残差网络RestNet50提取CLAHE算法处理后的均衡图像的特征，特征提取过程中对深度残差网络RestNet50进行加速和压缩；步骤S2.3、建立FPN网络对提取的特征进行重组合；步骤S2.4、通过分类和定位两个子网络识别重组合后的特征，输出是否有佩戴安全防护用具的标签以及相应的置信度。进一步的，所述利用所述测试集验证所述安全防护用具检测模型是否达到收敛条件，若达到收敛条件，则输出安全防护用具检测模型；否则重新进入步骤S1，包括：采用评估指标mAP作为收敛条件，当安全防护用具检测模型的评估指标mAP大于阈值K，则达到收敛条件；否则不满足收敛条件。本申请还提出了一种工地安全防护检测系统，用于上述方法得到的安全防护用具检测模型，实时检测工地的工作人员是否穿戴安全防护用具，并在出现未佩戴安全防护用具时向现场管理员终端发送报警信息，所述工地安全防护检测系统包括检测服务器，与所述检测服务器连接的现场管理员终端，以及监控设备，所述检测服务器，获取监控设备采集的实时的待检测监控视频，根据所述待检测监控视频得到实时监控图像，采用所述安全防护用具检测模型检测每一实时监控图像中工作人员是否佩戴安全防护用具，若连续M张实时监控图像的检测结果为未佩戴安全防护用具，则向现场管理员终端发送报警信息，M为设定的阈值参数。进一步的，所述检测服务器在获取待检测监控视频时，同时获取与待检测监控视频匹配的监控位置信息，并在根据所述待检测监控视频得到实时监控图像时，为每一实时监控图像生成对应的监控位置信息；则所述向现场管理员终端发送报警信息，包括：向现场管理员终端发送未佩戴安全防护用具的工作人员的实时监控图像以及对应的监控位置信息。进一步的，所述工地安全防护检测系统，还包括与监控设备就近安装的报警单元，所述检测服务器，在连续M张实时监控图像的检测结果为未佩戴安全防护用具，则向所述报警单元发送报警信息。本申请提供的一种工地安全防护检测方法和系统，运用深度学习框架，使用RetinaNet目标检测算法，加入CLAHE增强图像对比度，创造性地使用ImageAI库进行测试验证，最终提出了一个兼顾精度与速率的安全防护用具检测模型，安全防护用具检测模型的实用性强、检测准确、漏检概率低，且当检测到工作人员未佩戴安全防护用具时，产生相应的报警信息提醒工作人员及时佩戴安全防护用具，从而降低工地安全事故发生的概率。附图说明图1为本申请的工地安全防护检测方法流程图；图2为深度残差网络ResNet50的结构示意图；图3为FPN结构图；图4为本申请的工地安全防护检测系统示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是在于限制本申请。如图1所示，在一个实施例中，提本文档来自技高网...

【技术保护点】
1.一种工地安全防护检测方法，用于实时检测工地的工作人员是否穿戴安全防护用具，并在出现未佩戴安全防护用具时向现场管理员终端发送报警信息，其特征在于，所述工地安全防护检测方法，包括：/n步骤S1、获取经过标定的工作人员是否佩戴安全防护用具的训练图像，将训练图像换分为训练集和测试集；/n步骤S2、构建融合CLAHE算法的RetinaNet目标检测网络，并利用所述训练集训练优化所述RetinaNet目标检测网络；/n步骤S3、根据训练优化后的RetinaNet目标检测网络获得模型权重文件，并将所述模型权重文件读取至融合非极大值抑制算法的ImageAI库中，得到安全防护用具检测模型，利用所述测试集验证所述安全防护用具检测模型是否达到收敛条件，若达到收敛条件，则输出安全防护用具检测模型；否则重新进入步骤S1；/n步骤S4、获取实时的待检测监控视频，根据所述待检测监控视频得到实时监控图像，采用所述安全防护用具检测模型检测每一实时监控图像中工作人员是否佩戴安全防护用具，若连续M张实时监控图像的检测结果为未佩戴安全防护用具，则向现场管理员终端发送报警信息，M为设定的阈值参数。/n

【技术特征摘要】
1.一种工地安全防护检测方法，用于实时检测工地的工作人员是否穿戴安全防护用具，并在出现未佩戴安全防护用具时向现场管理员终端发送报警信息，其特征在于，所述工地安全防护检测方法，包括：
步骤S1、获取经过标定的工作人员是否佩戴安全防护用具的训练图像，将训练图像换分为训练集和测试集；
步骤S2、构建融合CLAHE算法的RetinaNet目标检测网络，并利用所述训练集训练优化所述RetinaNet目标检测网络；
步骤S3、根据训练优化后的RetinaNet目标检测网络获得模型权重文件，并将所述模型权重文件读取至融合非极大值抑制算法的ImageAI库中，得到安全防护用具检测模型，利用所述测试集验证所述安全防护用具检测模型是否达到收敛条件，若达到收敛条件，则输出安全防护用具检测模型；否则重新进入步骤S1；
步骤S4、获取实时的待检测监控视频，根据所述待检测监控视频得到实时监控图像，采用所述安全防护用具检测模型检测每一实时监控图像中工作人员是否佩戴安全防护用具，若连续M张实时监控图像的检测结果为未佩戴安全防护用具，则向现场管理员终端发送报警信息，M为设定的阈值参数。


2.如权利要求1所述的工地安全防护检测方法，其特征在于，所述工地安全防护检测方法，还包括：
在获取待检测监控视频时，同时获取与待检测监控视频匹配的监控位置信息，并在根据所述待检测监控视频得到实时监控图像时，为每一实时监控图像生成对应的监控位置信息；则所述向现场管理员终端发送报警信息，包括：向现场管理员终端发送未佩戴安全防护用具的工作人员的实时监控图像以及对应的监控位置信息。


3.如权利要求1所述的工地安全防护检测方法，其特征在于，所述融合CLAHE算法的RetinaNet目标检测网络，在对图像进行处理时，包括：
步骤S2.1、建立CLAHE算法均衡图像，CLAHE算法如下：
步骤S2.1.1、将原始图像划分为非重叠的网格，并分别计算所有网格的直方图；
步骤S2.1.2、剪切直方图以避免受到噪音的影响，如果任何强度值的像素数大于预定阈值，则应将其固定为该阈值，将剪切的像素数均匀地分配给直方图；
步骤S2.1.3、对步骤S2.1.2中获得的直方图执行直方图均衡，组合相邻网格并使用双线性插值消除...

【专利技术属性】
技术研发人员：周云财，
申请(专利权)人：深圳奥腾光通系统有限公司，
类型：发明
国别省市：广东;44