基于塔吊下方人员检测模型的塔吊下方异常闯入检测方法技术

本发明专利技术公开了一种基于塔吊下方人员检测模型的塔吊下方异常闯入检测方法。对采集到的基建场景塔吊下现场人员样本图片进行标注，再利用基于DoubleHead

【技术实现步骤摘要】
基于塔吊下方人员检测模型的塔吊下方异常闯入检测方法


[0001]本专利技术涉及了一种基建塔吊下方异常闯入的方法，尤其是涉及了一种基于Double Head
‑
RCNN的塔吊下方人员检测模型的塔吊下方异常闯入检测方法。

技术介绍

[0002]基础建设中塔吊下方的人员安全问题异常关键，近年来，塔吊的脱绳、脱钩、断绳、吊钩破断事故时有发生，会对下方闯入人员产生安全问题。与此同时需要对塔吊下方人员的异常闯入需要实时监管。在现有的人员监控方式上，一方面耗时耗力，另一方面也会存在偶然行，也会导致危险发生。因此，通过借助深度学习来代替监管人员对塔吊下方异常闯入的人员进行智能监管，此种方式也是在现在自动化基础建设中最常用的智能监管方式。监管中最为重要的也是最基础需要解决的难题是如何在复杂的现场环境下，获得准确快速的人员检测结果。

技术实现思路

[0003]为了解决
技术介绍
中的问题，本专利技术提出了一种基于塔吊下方人员检测模型的塔吊下方异常闯入检测方法，能够实现基建塔吊下方人员异常闯入的自动检测，具有较高的准确率，并且具有稳定性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于塔吊下方人员检测模型的塔吊下方异常闯入检测方法，包括以下步骤：1)采集基建场景塔吊下现场人员样本图片，对每一图片制作对应的样本标签文件；2)以Faster R
‑
CNN检测网络模型结合FPN特征金字塔网络模型和并列检测头模块，建立基于Double Head
‑
RCNN的深度学习网络模型；3)将获得的所有塔吊下方现场人员样本图片随机划分为训练集和测试集；4)对训练集进行数据增强，获得数据增强后的训练集；5)利用数据增强后的训练集对深度学习网络模型进行训练，获得初步训练后的塔吊下方人员检测模型；6)采用测试集测试初步训练后的塔吊下方人员检测的性能，根据测试结果调整训练参数与检测置信度阈值，优化并固化塔吊下方人员检测模型；7)针对待测图像输入固化后的塔吊下方人员检测模型，输出获得检测结果。2.根据权利要求1所述的一种基于塔吊下方人员检测模型的塔吊下方异常闯入检测方法，其特征在于：所述的塔吊下方检测人员样本图片是在塔吊下各种基建场景下，以闯入塔吊下方的现场的人员作为目标物，通过监管摄像头正对目标物的左右偏差15度和拍摄距离5
‑
25米范围内采集获得的图片。3.根据权利要求1所述的一种基于Double Head
‑
RCNN的塔吊下方异常闯入检测方法，其特征在于，所述步骤2)具体为：将Faster R
‑
CNN检测网络模型中的骨干网络的第二层到第五层特征图输入到FPN特征金字塔网络模型中，FPN特征金字塔网络模型的输出输入到感兴趣区域模块中，用并列检测头模块替换感兴趣区域模块后的全连接层后，建立基于Double Head
‑
RCNN的塔吊下方人员检测模型。4.根据权利要求1所述的一种基于塔吊下方人员检测模型的塔吊下方异常闯入检测方法，其特征在于：所述步骤2)中的并列检测头模块包括并联设置的全连接层和全卷积层，感兴趣区域模块的输出分别输入到全连接层和全卷积层中，全...

【专利技术属性】
技术研发人员：林其雄，陈畅，段斐，周鑫，蔡蒂，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：