建筑工地人员识别方法、可读存储介质和电子设备技术

本发明专利技术提供了一种建筑工地人员识别方法包括：根据统计特性区分训练图片为正、负样本，根据锚框优化策略和计算边界框损失优化锚框超参数，得到目标学习模型；获取待识别图像；采用目标学习模型对待识别图像进行识别，获得识别结果；根据所述识别结果，发出控制指令。本发明专利技术通过根据统计特性区分正负样本并且通过训练优化锚框超参数，解决了传统学习网络检测准确率不够高，且对遮挡或重叠小目标检测效果不理想的技术问题。理想的技术问题。理想的技术问题。

【技术实现步骤摘要】
建筑工地人员识别方法、可读存储介质和电子设备


[0001]本专利技术属于施工监控技术即图像处理
，尤其涉及一种建筑工地中塔吊防撞方法。

技术介绍

[0002]得益于计算机技术的发展，近年来深度学习技术，由于其高效性和准确性也不断地得到了发展，被广泛的应用到了图像处理和数据处理等领域。
[0003]工地等试验现场、施工作业现场往往存在着外来无关人员闯入的安全隐患，由于多数情况下现场环境较为复杂，存在一定危险性，外来无关人员若发生意外会给现场施工作业带来不必要的纠纷；同时现场往往会存放一定价值的施工材料和设施，外来人员的闯入同样会对财产安全造成一定威胁。而工作服，工牌，或者其它的工作标志能用来区分现场作业人员与外来无关闯入人员。
[0004]如果用人工，或者红外等识别方法，不能快速有效的区分作业人员与外来无关闯入人员，并做出控制或者提示等等。因此出现了基于公开号为CN112183472A的中国专利公开了“一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法”，但检测准确率不够高，且对遮挡或重叠小目标检测效果不理想本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑工地人员识别方法，其特征在于，所述方法包括：根据对象图片训练集的统计特性，将所述对象图片训练集区分为正、负样本，所述对象图片训练集包含工作人员的图像信息；根据锚框优化策略，得到初始锚框超参数；根据正、负样本和初始锚框超参数对学习模型进行训练，计算边界框损失；根据所述边界框损失，得到目标锚框超参数；根据所述目标锚框超参数，得到目标学习模型；利用目标学习模型对待识别图像进行识别，获得识别结果，并发出控制指令。2.如权利要求1所述的建筑工地人员识别方法，其特征在于，所述待识别图像的获取，包括：获取监控视频；对所述监控视频进行抽帧处理，获得监控视频中对象帧的预识别图像；根据监控设备编号，对预识别图像的重命名；根据图像尺度归一化和图像标准化，对预识别图像进行图像预处理，得到待识别图像。3.如权利要求1所述的建筑工地人员识别方法，其特征在于，根据对象图片训练集的统计特性，将所述对象图片训练集区分为正、负样本，包括：基于ATSS算法，在候选框选取阶段对每个目标框设定独立的IOU阈值；对于图像上的每一个真实目标框，选择对应的候选正样本，对目标候选框记为C
g
；计算候选框C
g
和真实框g之间的IOU，记为D
g
：D
g
＝IOU(G
g
，g)计算Dg的均值mg和方差vg：m
g
＝Mean(D
g
)v
g
＝Var(D
g
)设定目标IOU阈值，记为tg:t
g
＝m
g
+v
g
对于c∈C
g
，满足IOU(c,g)≥t
g
的C作为正样本，c∈C
g
满足IOU(c,g)<t
g
的C作为负样本。4.如权利要求3所述的建筑工地人员识别方法，其特征在于，根据锚框优化策略，得到初始锚框超参数，包括：根据k
‑
median++算法对锚框超参数进行初始化，在初始锚框下使用YOLOv3算法对模型进行训练，得到网络收敛模型；根据锚框匹配阶段，对所述...

【专利技术属性】
技术研发人员：高钰敏，李彬，刘艳，曹志勇，韩信，鲍支虎，柳彬，李巍，高晨淼，周政宇，
申请(专利权)人：微特技术有限公司，
类型：发明
国别省市：