一种基于图像识别技术的安全带佩戴识别方法和装置制造方法及图纸

本发明专利技术公开了一种基于图像识别技术的安全带佩戴识别方法和装置，该方法包括：实时采集视频数据；其中，视频数据中包括施工区域的施工人员图像；将视频数据输入至训练好的fast R

【技术实现步骤摘要】
一种基于图像识别技术的安全带佩戴识别方法和装置


[0001]本专利技术涉及建筑工程施工领域
，特别涉及一种基于图像识别技术的安全带佩戴识别方法和装置。

技术介绍

[0002]随着经济和科技技术的不断发展，施工人员的安全性问题得到越来越多的重视。在施工人员作业时，安全带的佩戴有时会被施工人员不小心忽视，也存在未按要求佩戴安全带的情况，都会增加施工人员的危险性。

技术实现思路

[0003]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0004]为此，为了解决上述存在的潜在的危险性，本专利技术的一个目的在于提出一种基于图像识别技术的安全带佩戴识别方法，以提高施工人员在作业时的安全性问题。
[0005]本专利技术的另一个目的在于提出一种基于图像识别技术的安全带佩戴识别装置。
[0006]为达到上述目的，本专利技术一方面实施例提出了一种基于图像识别技术的安全带佩戴识别方法，该方法包括：实时采集视频数据；其中，视频数据中包括施工区域的施工人员图像；将视频数据输入至训练好的fast R
‑
CNN模型，获取类别为施工人员的施工人员矩形框；其中，施工人员矩形框中的图像部分至少包括所述施工人员图像；将施工人员矩形框中的图像部分输入至训练好的VGG网络模型，以生成施工人员是否佩戴安全带的检测结果。
[0007]根据本专利技术的第二方面，提供了一种基于图像识别技术的安全带佩戴识别装置，包括：数据采集单元、处理单元和检测单元。
[0008]其中，数据采集单元，用于实时采集视频数据；其中，视频数据中包括施工区域的施工人员图像；处理单元，用于将视频数据输入至训练好的fast R
‑
CNN模型，获取类别为施工人员的施工人员矩形框；其中，施工人员矩形框中的图像部分至少包括所述施工人员图像；检测单元，用于将所述施工人员矩形框中的图像部分输入至训练好的VGG网络模型，以生成施工人员是否佩戴安全带的检测结果。
[0009]本专利技术的实施例提供的技术方案至少带来以下有益效果：本专利技术具备较高的环境适应性和检测准确率，以及具有一定的鲁棒性，可以实现对施工现场施工人员安全带佩戴情况自动识别检测，可辅助各级施工区安全监管单位进行施工区智能化监管，提高施工区安全监管信息化水平。
[0010]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
[0011]本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0012]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术第一实施例的流程图；图2为根据本专利技术第二实施例的流程图；图3是根据本专利技术第二实施例中步骤S20的子步骤的流程图；图4是根据本专利技术第二实施例中步骤S40的子步骤的流程图；图5是根据本专利技术第二实施例的另一种流程图；图6是根据本专利技术第二实施例中步骤S100的子步骤的流程图；图7是根据本专利技术第三实施例的结构图；图8是根据本专利技术第三实施例的一种结构图；图9是根据本专利技术第三实施例的另一种结构图；图10是根据本专利技术第三实施例的又一种结构图。
具体实施方式
[0013]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0014]本专利技术提供一种基于图像识别技术的安全带佩戴识别方法，图1是根据本专利技术第一实施例的流程图。
[0015]如图1所示，该方法包括但不限于如下步骤：S1，实时采集视频数据；其中，视频数据中包括施工区域的施工人员图像。
[0016]本专利技术第一实施例中，可以在施工现场、或者施工现场的特定区域，设置视频采集装置，示例性的，视频采集装置可以为摄像头。
[0017]需要说明的是，上述示例仅作为示意，不作为对本专利技术第一实施例的具体限制，本领域的技术人员可以根据需要采用其他任意可以实现上述功能的方式进行任意设置。
[0018]本专利技术第一实施例中，在能够获取施工区域中施工人员图像的位置设置图像采集装置，以通过图像采集装置获取包括施工区域的施工人员的视频数据。
[0019]可以理解的是，施工区域的范围很大，施工人员的位置比较分散，可能无法通过一个图像采集装置获取的视频数据，获取到完整的施工人员图像，或者可能通过视频数据获取到施工人员图像不清晰。基于此，本专利技术第一实施例中，可以设置多个图像采集装置，每个图像采集装置采集包括一部分施工人员图像的视频数据，从而能够获取到施工区域中，清晰完整的施工人员图像，方便后续对施工区域中的施工人员图像中是否佩戴安全带进行检测。
[0020]S2，将视频数据输入至训练好的fast R
‑
CNN模型，获取类别为施工人员的施工人员矩形框；其中，施工人员矩形框中的图像部分至少包括施工人员图像。
[0021]可以理解的是，在实际施工过程中，施工区域的场景较为复杂，摄像头距离施工人员较远，且施工人员佩戴安全带的图像模糊，数据量小不利于目标检测的准确性，基于此，本专利技术实施例中将安全带检测的任务分为两个过程。
[0022]第一个过程为识别获取施工人员图像，第二个过程为对获取的施工人员图像进行分类识别。
[0023]示例性的，本专利技术第一实施例中将视频数据输入至训练好的fast R
‑
CNN模型，获取类别为施工人员的施工人员矩形框；其中，路面检测框中的图像部分至少包括施工人员，以此，实现识别获取施工人员图像。
[0024]需要说明的是，本专利技术第一实施例中，训练好的fast R
‑
CNN模型能够识别施工人员图像，并用矩形框将识别的施工人员图像进行标识，从而能够获取施工人员图像。
[0025]S3，将施工人员矩形框中的图像部分输入至训练好的VGG网络模型，以生成施工人员是否佩戴安全带的检测结果。
[0026]本专利技术第一实施例中，在将视频数据输入至训练好的fast R
‑
CNN模型，获取类别为施工人员的施工人员矩形框之后，将获取的矩形框中的图像部分输入至训练好的VGG网络模型进行分类操作，得到的分类包括两类，可以得到带有正标签和负标签的施工人员图像，即为佩戴安全带和未佩戴安全带，从而实现对安全带的检测。
[0027]根据本专利技术实施例提供的基于图像识别技术的安全带佩戴识别方法，通过实时采集视频数据；其中，视频数据中包括施工区域的施工人员图像；将视频数据输入至训练好的fast R
‑
CNN模型，获取类别为施工人员的施工人员矩形框；其中，施工人员矩形框中的图像部分至少包括施工人员图像；将施工人员矩形框中的图像部分输入至训练好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别技术的安全带佩戴识别方法，其特征在于，所述方法包括以下步骤：实时采集视频数据；其中，所述视频数据中包括施工区域的施工人员图像；将所述视频数据输入至训练好的fast R
‑
CNN模型，获取类别为施工人员的施工人员矩形框；其中，所述施工人员矩形框中的图像部分至少包括所述施工人员图像；将所述施工人员矩形框中的图像部分输入至训练好的VGG网络模型，以生成施工人员是否佩戴安全带的检测结果。2.根据权利要求1所述的方法，其特征在于，所述将所述视频数据输入至训练好的fast R
‑
CNN模型，获取类别为施工人员的施工人员矩形框，包括：将所述视频数据输入多个卷积层和最大池化层，产生卷积特征图；将所述卷积特征图输入RoI池化层中，对每一个目标候选位置从所述卷积特征图中提取固定长度的特征向量；将所述特征向量输入到一个最大池化层中，输出概率向量和每类的回归偏移量，生成类别为施工人员的施工人员矩形框。3.根据权利要求2所述的方法，其特征在于，所述将所述视频数据输入多个卷积层和最大池化层，产生卷积特征图，包括：从所述视频数据中截取多张图片；对所述多张图片的整张图像进行卷积操作；根据对所述整张图像的卷积操作生成卷积特征图。4.根据权利要求3所述的方法，其特征在于，所述将所述特征向量输入到一个最大池化层中，输出概率向量和每类的回归偏移量，生成类别为施工人员的施工人员矩形框，包括：将所述回归偏移量放进VGG网络进行训练，并使用softmax分类器；使用multi
‑
task损失，将分类的loss和回归的loss进行整合，生成类别为施工人员的施工人员矩形框：其中，所述分类的loss采用log loss，所述回归的loss和R
‑
CNN一致。5.根据权利要求1至4所述的方法，其特征在于，所述方法，还包括：获取训练数据集；将所述训练数据集输入至fast R
‑
CNN模型和VGG网络模型，对所述fast R
‑
CNN模型和所述VGG网络模型进行训练，以生成训练好的fast R...

【专利技术属性】
技术研发人员：申永利，周岐文，李新刚，
申请(专利权)人：中化学交通建设集团有限公司，
类型：发明
国别省市：