【技术实现步骤摘要】
施工现场人员属性检测方法、系统、装置及介质
[0001]本专利技术涉及图像目标检测
,具体地,涉及一种远近结合的施工现场人员属性检测方法、系统、装置及介质。
技术介绍
[0002]人员属性检测是施工场所保证施工安全的重要环节。建筑业属于生产安全事故频发的行业。依据《企业职工伤亡事故分类》(GB 6441—86),对我国建筑业近十年出现的生产安全事故进行统计分析,其中起重伤害、坍塌、机械以及物体打击一共发生1 041起,占事故总数的50.42%。人员属性不合规范的情况诸如未佩戴安全帽、在易燃场所吸烟等会给施工现场带来严重的安全隐患。因此,针对工人的人员属性是否规范进行检测,及时进行信息上报与预警,是防止生产安全事故的重要手段。
[0003]建筑业相对于其他行业,安全管理主要依赖管理人员的主观监测,受人员流动性、环境动态性以及生产过程复杂性等因素,导致人工检测效率低下、速度慢、成本高昂且信息不易集成等问题。因此,需要对建筑施工场所的安全管理办法进行创新提升。
[0004]近年来,随着计算机视觉技术的不断发展,将基于深度学习的目标检测技术应用于工业生产成了研究热点。基于深度学习的目标检测算法在近年来取得许多重大突破,R
‑
CNN算法是利用深度学习进行目标检测的开山之作,通过在输入图像上进行选择性搜索获得候选区域送入神经网络中提取特征,再将特征送入到SVM进行分类。SPP
‑
Net算法将特征金字塔池化引入特征提取网络以实现任意图像大小的输入。Fast R
‑< ...
【技术保护点】
【技术特征摘要】
1.一种施工现场人员属性检测方法,其特征在于,包括:获取待检测施工区域的巡检图像;构建一级人员检测模型,将所述巡检图像输入至所述一级人员检测模型并进行目标人员识别,获得所述目标人员的所在区域图像,获取所述所在区域图像内的所述目标人员的像素尺寸大小以及置信度,并使得所述目标人员的尺度大小和置信度满足人员属性识别条件;构建二级人员属性识别模型,将满足人员属性识别条件的所述目标人员的所在区域图像输入至所述二级人员属性识别模型并进行人员属性识别,得到所述目标人员的属性检测结果,并判断所述目标人员的属性检测结果是否符合施工安全规范,完成对施工现场人员的属性检测。2.根据权利要求1所述的施工现场人员属性检测方法,其特征在于,所述构建一级人员检测模型,包括:获取包含人员的图像,对所述包含人员的图像进行人员标注,构建多尺度人员数据集;将所述多尺度人员数据集进行数据增强处理,生成训练数据集;对所述训练数据集进行聚类分析,并将聚类中心作为优化后的锚框值;基于深度卷积神经网络,利用所述优化后的锚框值在所述目标检测模型头部网络获得的每个尺度的特征图之后增加注意力机制网络,获得优化后的目标检测模型;将所述训练数据集输入至所述优化后的目标检测模型,对所述优化后的目标检测模型进行训练,构建得到具有多尺度的一级人员检测模型。3.根据权利要求2所述的施工现场人员属性检测方法,其特征在于,所述注意力机制网络,包括:颈部网络单元,该单元采用双向特征金字塔颈部网络结构,对多个分支的不同尺度的特征图进行双向融合,实现多个尺度的特征增强;多尺度注意力单元,该单元采用通道注意力与空间注意力相结合的结构,用于关注重点通道和重点空间位置的特征;预测头单元,该单元采用多个头部网络对所述颈部网络单元的多个分支进行检测,并将多个尺度的检测结果进行合并和非极大值抑制的后处理,去除重叠框。4.根据权利要求1所述的施工现场人员属性检测方法,其特征在于,所述人员属性识别条件,包括:所述目标人员的像素尺寸大于预设尺度阈值;所述目标人员的置信度大于预设置信度阈值;所述使得所述目标人员的尺度大小和置信度满足人员属性识别条件,包括:判断所述目标人员的尺度大小和置信度是否满足人员属性识别条件;若满足,则进行人员属性识别;若不满足,则进行如下处理:对所述目标人员进行跟踪和聚焦处理;若跟踪与聚焦处理后的所述目标人员的尺度大小和置信度满足人员属性识别条件,则进行人员属性识别;若跟踪与聚焦处理次数达到上限仍不满足人员属性识别条件,则视为未检测到人员。
5.根据权利要求4所述的施工现场人员属性检测方法,其特征在于,所述对所述目标人员进行跟踪和聚焦处理,包括:根据所述目标人员在所述巡检图像上的坐标位置,得到所述目标人员的检测框;获取所述目标人员的所在区域图像与所述巡检图像中心区域之间的位置关系,确定图像采集设备的转动方向和幅度,并通过控制云台对图像采集设备进行转动处理,其中,所述转动方向由所述检测框中心与所述巡检图像中心的相对矢量方向决定;所述转动幅度由所述检测框中心与所述巡检图像中心的欧式距离决定;当所述欧氏距离小于设定像素时,图像采集设备的转动幅度为0,此时认为所述目标人员处于所述巡检图像中心区域,记所述目标人员的检测框中心为(x,y),所述巡检图像中心为(x
center
,y
center
),所述巡检图像尺寸为W*H,K为当前物距下调整相机单位移动距离的参数,在实际测试过程中进行确定,则转动时间转动速度v保持不变;根据转动时间来确定每次目标人员检测后图像采集设备的转动量,直至转动到预定位置,完成一次跟踪过程;其中,所述参数K的确定方法为:当跟踪目标的像素尺寸小于60*60像素时,K为0.15;当跟踪目标的像素尺寸大于60*60像素小于100*100像素时,K为0.35,当跟踪目标的像素大于100*100像素小于250*250时,K为0.45;当跟踪目标的像素大于2...
【专利技术属性】
技术研发人员:黄科锋,张重阳,唐强达,赵伟基,孙恺毓,毛相江,商熀强,张雨寒,
申请(专利权)人:宁波海棠信息技术有限公司,
类型:发明
国别省市:
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。