【技术实现步骤摘要】
采油作业现场吸烟人员识别处理方法及系统
本专利技术涉及机器视觉
，具体涉及一种基于无锚和多尺度特征自适应融合的采油作业现场吸烟人员识别处理方法及系统。
技术介绍
由于采油作业现场环境复杂，采油施工人员的不规范操作存在着重大安全隐患，尤其是人员吸烟问题，可能会造成重大事故。能实时和准确的检测到采油现场人员的吸烟行为并在第一时间发起警报对于保证采油现场生产安全具有重要意义。快速且准确的检测到现场视频图像中的烟头对于识别现场人员是否吸烟至关重要，而烟头属于小目标问题，难以检测。在计算机视觉领域，一张图片通常存在多个目标，目标的尺寸和姿态各有所异，多尺度问题，尤其是小目标问题一直阻碍检测精度的提升。由于小目标相比其他目标具有分辨率低，模糊，携带信息较少的问题，因此，检测网络提取该类目标的特征表达能力弱，且难以获取足够的特征来对目标进行精确的定位和标注。目前采用的目标检测器都是以损失精度或速度为代价的。近几十年来，由于卷积神经网络(CNN)的出现，基于锚的两阶段和一阶段目标检测算法分别在精度和速度方面得到了巨大的...
【技术保护点】
1.一种采油作业现场人员吸烟检测识别处理方法，其特征在于，包括：/n调用摄像头对采油作业现场进行拍照获取环境照片；/n使用识别模型对环境照片进行分析，确定所述环境照片中是否有烟头；其中，所述识别模型为使用多组数据通过机器学习训练得出；所述多组数据包括第一类数据和第二类数据；所述第一类数据中的每组数据均包括：包含烟头的照片和标识该照片中包含烟头的标签；第二类数据中的每组数据均包括：不包含烟头的照片和标识该照片中不包含烟头的标签；/n在所述环境照片存在烟头的情况下，则判定采油作业现场人员存在吸烟行为，并发出预警信号。/n
【技术特征摘要】
1.一种采油作业现场人员吸烟检测识别处理方法，其特征在于，包括：
调用摄像头对采油作业现场进行拍照获取环境照片；
使用识别模型对环境照片进行分析，确定所述环境照片中是否有烟头；其中，所述识别模型为使用多组数据通过机器学习训练得出；所述多组数据包括第一类数据和第二类数据；所述第一类数据中的每组数据均包括：包含烟头的照片和标识该照片中包含烟头的标签；第二类数据中的每组数据均包括：不包含烟头的照片和标识该照片中不包含烟头的标签；
在所述环境照片存在烟头的情况下，则判定采油作业现场人员存在吸烟行为，并发出预警信号。
2.根据权利要求1所述的采油作业现场人员吸烟检测识别处理方法，其特征在于，使用多组数据通过机器学习训练所述识别模型包括：
分别获取第一类数据中照片的每个像素的第一预测信息和第二类数据中照片的每个像素的第二预测信息；
利用损失函数分别计算所述第一预测信息与所述第一类数据的标签信息的第一误差以及所述第二预测信息与所述第二类数据的标签信息的第二误差；
采用反向传播法对所述预先构建的检测识别网络的参数进行优化，直至所述第一误差和所述第二误差分别达到各自的期望值，得到所述识别模型。
3.根据权利要求2所述的采油作业现场人员吸烟检测识别处理方法，其特征在于，获取第一预测信息和第二预测信息包括：
分别提取第一类数据中的照片的多个第一特征信息以及第二类数据中的照片的多个第二特征信息；
分别合并多个第一特征信息以及多个第二特征信息，得到第一融合特征信息和第二融合特征信息；
根据所述第一融合特征信息和所述第二融合特征信息，分别获取所述第一类数据中照片的每个像素的第一预测信息和第二类数据中照片的每个像素的第二预测信息。
4.根据权利要求3所述的采油作业现场人员吸烟检测识别处理方法，其特征在于，所述第一预测信息和所述第二预测信息均包括对应的照片中每个像素的类别信息、中心偏移信息和回归信息。
5.根据权利要求4所述的采油作业现场人员吸烟检测识别处理方法，其特征在于，所述第一误差和所述第二误差均包含对应的照片中每个像素的分类误差之和、回归误差之和以及中心点偏移之和。
6.根据权利要求2所述的采油作业现场人员吸烟检测识别处理方法，其特征在于，所述损失函数为：
其中，px,y、tx,y分别表示每个像素的位置(x,y)的分类标签的二维向量和边界框坐标的四维向量；Npos表示整个图像的像素个数；表示每个像素的分类损失之和；Lcls、tcx,y分别表示焦损和每个位置(x,y)的真值框的类标签；p{t...
【专利技术属性】
技术研发人员：梁鸿，杨莹，魏学成，巩亚明，邵明文，张千，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。