建筑工地安全带识别方法、系统技术方案

本发明专利技术提供了一种建筑工地安全带识别方法和系统，所述方法包括：获取实时采集的图像信息；主干特征提取网络提取所述图像信息的特征，用于训练网络模型；增强主干特征提取网络对所述特征的感受野面积并对所述特征进行优化；对主干特征提取网络增强后的不同尺度的所述特征进行自适应融合；头部网络对自适应融合后的图像信息进行特征提取，并作出预测。本发明专利技术对采集的图像信息采用具有轻量级网络模型的主干特征提取网络进行特征提取，并用来训练网络模型，并对不同尺度的特征进行自适应融合，增强其特征识别能力，提高了对小目标和重叠目标的检测效果，使其算法鲁棒性更好，提高了检测速度。了检测速度。了检测速度。

【技术实现步骤摘要】
建筑工地安全带识别方法、系统


[0001]本专利技术涉及深度学习
，尤其涉及一种建筑工地安全带识别方法、系统。

技术介绍

[0002]随着国家越来越重视安全生产，各行业也都采取各种措施保障员工的安全生产从而保障了企业的利益。在建筑行业中，在岗工人由于未佩戴安全带而造成的伤亡时有发生。传统只能靠人为检查安全带佩戴情况，极大的浪费人力。而基于图像处理的方式，由于建筑行业中，水泥等污渍对安全带的成像影响非常大，造成难以获取高质量的检测图像，使得检测率不高。
[0003]公开号为“CN110046557A”的中国专利，公开了一种名称为“基于深度神经网络判别的安全帽、安全带检测方法”的专利技术专利，根据所述检测方法能够在识别图像信息过程中，避免建筑工地水泥等因素产生的影响，但检测效率有待提高，且对遮挡或重叠小目标检测效果不理想。

技术实现思路

[0004]针对现有技术中所存在的不足，本专利技术提供了一种建筑工地安全带识别方法、系统，以解决相关技术中识别安全带效果不理想的技术问题。
[0005]一方面，本专利技术提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.建筑工地安全带识别方法，其特征在于，包括：获取实时采集的图像信息；主干特征提取网络提取所述图像信息的特征，用于训练网络模型；增强主干特征提取网络对所述特征的感受野面积并对所述特征进行优化；对主干特征提取网络增强后的不同尺度的所述特征进行自适应融合；头部网络对自适应融合后的图像信息进行特征提取，并作出预测。2.如权利要求1所述的建筑工地安全带识别方法，其特征在于，所述获取实时采集的图像信息，包括：处理端获取监控视频；对所述监控视频进行抽帧处理，获得待识别图像；根据监控设备，对所述待识别图像进行重命名；根据图像尺度归一化和图像标准化，对重命名后的所述待识别图像进行图像预处理，得到目标检测神经的输入图像信息。3.如权利要求2所述的建筑工地安全带识别方法，其特征在于，所述并作出预测后，所述方法还包括：处理端根据所述预测的结果做出判断，若检测到建筑工地中工人正确佩戴有安全带，则处理端不做任何提示，否则处理端立即发送提示信号给监控室，并控制监控设备发出提示佩戴安全带的信号。4.如权利要求1所述的建筑工地安全带识别方法，其特征在于，所述主干特征提取网络，包括：所述主干特征提取网络采用轻量级的网络模型，所述网络模型用于在确保特征识别精度的同时提升特征识别的速度。5.如权利要求1所述的建筑工地安全带识别方法，其特征在于，所述增强主干特征提取网络对所述特征的感受野面积，包括：采用RFB模型用于增强所述主干特征网络的感受野面积，保持更深层非线性特征，提示重叠目标的检测。6.如权利要求1所述的建筑工地安全带识别方法，其特征在于，所述对所述特征进行优化，包括：采用SE模块用于对主干特征提取网络的特征进行优化，包括：Squeeze操作，对主干特征提取网络内的特征进行压缩...

【专利技术属性】
技术研发人员：聂道静，张艳波，郭丽丽，李彬，曹志勇，刘艳，谢邦天，王俐，杨英，李兰伟，
申请(专利权)人：微特技术有限公司，
类型：发明
国别省市：