一种基于机器视觉自动检测工人不安全行为的方法技术

本发明专利技术公开了一种基于机器视觉自动检测工人不安全行为的方法，该方法包括：步骤S10、获取工人不安全行为的原始图像；步骤S20、制作不安全行为标签图像；步骤S30、构建目标检测模型，然后对模型进行训练和验证；步骤S40、获取实时监控视频，将所得图像帧后输入目标检测模型进行检测，自动识别工人不安全行为并通过监控软件接收识别结果。本发明专利技术所提供的自动识别工人不安全行为的方法，其原理在于建立工人不安全行为数据库，通过深度学习算法自动识别工人的不安全动作并显示结果，从而降低工人不安全行为的发生率。相比于传统的监测方法，本发明专利技术具有自动化、监测效果好、操作简单等优点。

【技术实现步骤摘要】
一种基于机器视觉自动检测工人不安全行为的方法
本专利技术涉及安全监控、安全检测
，具体是一种基于机器视觉自动检测工人不安全行为的方法。
技术介绍
近年来我国建筑行业的发展突飞猛进，由于工程项目恶劣的地质环境与复杂的施工工艺，高处坠落、物体打击、车辆伤害、坍塌、碰撞以及触电等事故导致工人伤亡的现象在施工过程中频频发生。通过对近年来建筑工程安全生产事故及原因统计，发现工人的不安全行为是导致事故发生的重要因素，因此加强对工人不安全行为的监测管理迫在眉睫。然而，传统的监测方法是通过观察法、访谈法以及调查法等方式以记录工人活动并对他们的行为作出分析，这种传统形式上的工人行为测量方法在实际应用中存在一定程度上的局限性，一方面，用于观察不安全行为的数据样本需求量巨大，数据获取工作量将消耗大量人力资源；另一方面，观察与报告不安全行为需要工人的积极配合，由于对于不安全行为的感受程度可能因人而异，过分依赖于工人的观察容易造成主观方面的影响。因此，需要一种能够轻松测量工人不安全行为的自动化的、可靠的客观技术以支持工人行为的观察。为解决传统工人活动观察方本文档来自技高网...

【技术保护点】
1.一种基于机器视觉自动检测工人不安全行为的方法，其特征在于：包括如下步骤：步骤S10：获取工人不安全动作的原始图像；步骤S20：在每张图像上标出所述不安全行为的类别及位置，建立不安全行为标签图像；步骤S30：构建目标检测模型，将所述标签图像分为训练集和验证集，然后对该模型进行训练和验证；步骤S40：获取实时监控视频，将所得图像帧后输入目标检测模型进行检测，自动识别工人不安全行为并通过监控软件接收识别结果。/n

【技术特征摘要】
1.一种基于机器视觉自动检测工人不安全行为的方法，其特征在于：包括如下步骤：步骤S10：获取工人不安全动作的原始图像；步骤S20：在每张图像上标出所述不安全行为的类别及位置，建立不安全行为标签图像；步骤S30：构建目标检测模型，将所述标签图像分为训练集和验证集，然后对该模型进行训练和验证；步骤S40：获取实时监控视频，将所得图像帧后输入目标检测模型进行检测，自动识别工人不安全行为并通过监控软件接收识别结果。


2.如权利要求1所述的一种基于机器视觉自动检测工人不安全行为的方法，其特征在于：所述步骤S10中，所述工人不安全行为原始图像包括平躺、倚靠、跳跃、抛掷和佩戴安全装备这5项，因为平躺容易造成物体打击，抛掷容易造成高处坠落，倚靠容易造成坍塌，跳跃容易造成机械伤害，安全装备可以保护工人的身体健康。


3.如权利要求1所述的一种基于机器视觉自动检测工人不安全行为的方法，其特征在于：所述步骤S20具体为：将所述原始图像打乱顺序依次编号并且以000001.jpg格式保存，使用裁剪工具将原始图像裁剪为大小500*375或375*500得到新样本；利用样本标注工具LabelImg对所述新样本进行标注，在每张图像上标出所述不...

【专利技术属性】
技术研发人员：胡启军，敖琪，何乐平，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51