一种作业人员安全装备异常佩戴状态检测方法与装置制造方法及图纸

本发明专利技术属于计算机视觉应用技术领域，具体公开了一种作业人员安全装备异常佩戴状态检测方法与装置，包括按序连接的预处理模块、深度检测模块和后处理模块；预处理模块用于将待检测的视频流或图片进行预处理；深度检测模块用于提取预处理数据特征、输出原始特征图结果；后处理模块用于将原始检测结果进行后处理，得到最终检测结果。本发明专利技术的一种作业人员安全装备异常佩戴状态检测方法与装置的有益效果在于：其基于深度学习的目标检测技术对作业人员的安全装备异常佩戴状态进行全天候实时识别，可以大大减少人工巡查所需的人力、物力，保障工业作业安全，提高企业生产效率。提高企业生产效率。提高企业生产效率。

【技术实现步骤摘要】
一种作业人员安全装备异常佩戴状态检测方法与装置


[0001]本专利技术属于计算机视觉应用
，尤其属于一种计算机视觉领域中的目标检测领域，具体涉及一种作业人员安全装备异常佩戴状态检测方法与装置。

技术介绍

[0002]在工业安全领域，减少作业安全事故的重要因素之一是保证作业人员安全装备（安全帽、工业安全带等）的佩戴状态正常。为达到这一目标，传统以人工巡查的方式，一方面人工成本高，对于2到3人的小型作业来说浪费人力、效率低下；另一方面恶劣的作业环境、安全隐患等对巡查人员的人身安全也会造成威胁。因此需要一种基于图像识别的自动化检测方法，监测作业人员安全装备的佩戴状态。
[0003]近些年兴起的深度学习技术是一种可从数据中直接学习特征表示的强大方法，在识别率、鲁棒性等方面，已经为一般目标检测领域带来了显著的突破性进展。
[0004]因此，基于上述问题，本专利技术提供一种作业人员安全装备异常佩戴状态检测方法与装置。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种作业人员安全装备异常佩戴状态检测方法与装置，以实现对佩戴异常状态这一容易引起安全事故的重要因素进行全天候、实时检测。
[0006]技术方案：本专利技术的一方面提供一种作业人员安全装备异常佩戴状态检测方法，包括：用相机获取待检测的作业人员的图片，将所述图片进行预处理，得到预处理图片；将所述预处理图片输入至预先训练的端到端深度神经网络模型，输出作业人员位置，安全装置的佩戴状态（正常状态或者异常状态等）等原始特征图结果；将所述原始结果进行后处理，获得最终的准确结果。
[0007]本技术方案的，用相机获取待检测的作业人员的图片，包括：通过预设的接口获取网络摄像机采集的视频流，将所述视频流转化为3通道RGB矩阵格式的图片，将转化后的图片作为待检测的作业人员图片。
[0008]本技术方案的，将所述图片进行预处理，包括：基于预设的感兴趣区域，裁剪所述图片的感兴趣区域部分；将裁剪后的图片进行扩边缩放为预设的宽度和高度，扩边缩放将保持原图的比例，将比例不足的部分用黑色填充；将缩放后的图片进行归一化处理。
[0009]本技术方案的，所述端到端深度神经网络模型，包括：依序连接的一个切片层，一个卷积单元，一个CSP1单元，一个卷积单元，一个CSP3单元，第1个分支点，一个卷积单元，一个CSP3单元，第2个分支点，一个卷积单元，SPP模块，一个CSP2单元，一个卷积单元，第3个分支点；第3个分支点经过上采样单元与第2个分支点的输出进行拼接，再连接一个CSP2单元，一个卷积单元，第4个分支点，经上采样后与第1个分支点的输出进行拼接，再连接一个CSP2单元，第5个分支点，一个卷积层，连接第一个输出层；第5个分支点连接一个卷积单元后与第4个分支点拼接后，连接一个CSP2单元，第6个分支点，一个卷积层，连接第二个输出层；第
6个分支点连接一个卷积单元后与第3个分支点拼接后，连接一个CSP2单元，一个卷积层，连接第三个输出层。每个输出层为一个三维张量的特征图，不同长、宽值的特征向量对应预测原图中不同位置的目标物，特征图边长不同，对应预测原图中不同大小尺度的目标物。每一个长、宽值的特征向量维度相同，包含该位置处目标框的坐标偏置值、宽高偏置值、存在目标的概率、目标属于不同类别（安全装置的佩戴状态）概率。
[0010]本技术方案的，所述切片层，包括：将原始的3通道图片按四分之一分离切片，并拼接为12通道特征图然后连接一个卷积单元；所述卷积单元，包括：依序连接的一个卷积层，一个BN层，一个Leaky ReLU层；所述CSP1单元，包括：输入分为两个分支，一支为一个卷积单元，1个残差单元，一个卷积层，其中残差单元为输入连接两个卷积单元后，输出与输入相加的残差单元；另一个分支为输入只连接一个卷积层。两个分支经过拼接操作后连接BN层、Leaky ReLU层、一个卷积单元；所述CSP3单元，与权利要求7所述的CSP1单元类似，只是残差单元由原来的1个变为3个；所述SPP模块，包括：输入连接一个卷积单元后，连接4个分支后进行拼接操作，然后再连接一个卷积单元。4个分支分别为1
×
1，5
×
5，9
×
9，13
×
13最大池化层；所述CSP2单元，与CSP1单元类似，只是原来的一个残差单元变为两个依序连接的卷积单元；本技术方案的，所述将原始结果进行后处理，包括：将所述端到端深度神经网络模型输出的原始特征图用预设的锚框处理，得到预测的目标框的坐标绝对值；根据预测的目标框的坐标和存在目标的概率、目标属于不同类别（安全装置的佩戴状态）概率，进行非极大值抑制后处理，过滤掉低于预设的置信度阈值的目标框和重叠冗余的目标框；余下的目标框的坐标为在网络输入图片的坐标，还需要根据图片预处理中的扩边和缩放参数还原为原图中的坐标，从而得到最终检测结果。
[0011]本专利技术的另一方面提供一种作业人员安全装备异常佩戴状态检测装置，包括按序连接的预处理模块、深度检测模块和后处理模块；预处理模块用于将待检测的视频流或图片进行预处理；深度检测模块用于提取预处理数据特征、输出原始特征图结果；后处理模块用于将原始检测结果进行后处理，得到最终检测结果。
[0012]本技术方案的，所述预处理，包括：基于预设的感兴趣区域，裁剪所述图片的感兴趣区域部分；将裁剪后的图片进行扩边缩放为预设的宽度和高度，扩边缩放将保持原图的比例，将比例不足的部分用黑色填充；将缩放后的图片进行归一化处理。
[0013]本技术方案的，所述深度检测模块，包括：端到端深度神经网络模型，输入预处理数据，输出原始特征图结果。
[0014]本技术方案的，所述后处理，包括：将所述端到端深度神经网络模型输出的原始特征图用预设的锚框处理，得到预测的目标框的坐标绝对值；根据预测的目标框的坐标和存在目标的概率、目标属于不同类别（安全装置的佩戴状态）概率，进行非极大值抑制后处理，过滤掉低于预设的置信度阈值的目标框和重叠冗余的目标框；根据图片预处理中的扩边和缩放参数，将余下的目标框的坐标还原为原图中的坐标。
[0015]与现有技术相比，本专利技术的一种作业人员安全装备异常佩戴状态检测方法与装置的有益效果在于：其基于深度学习的目标检测技术对作业人员的安全装备异常佩戴状态进行全天候实时识别，可以大大减少人工巡查所需的人力、物力，保障工业作业安全，提高企业生产效率。
附图说明
[0016]图1是本专利技术的一种作业人员安全装备异常佩戴状态检测方法与装置的结构示意图；图2是本专利技术的一种作业人员安全装备异常佩戴状态检测方法与装置的深度卷积神经网络模型示意图。
具体实施方式
[0017]下面结合附图和具体实施例，进一步阐明本专利技术。
实施例
[0018]如图1所示的一种作业人员安全装备异常佩戴状态检测方法的流程示意图，该方法可以由网络摄像机以及用于运行深度学习算法的电子设备来执行（电子设备，包括存储器、处理器及存储在存储器上并可在处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种作业人员安全装备异常佩戴状态检测方法，其特征在于：包括以下步骤，步骤1、用相机获取待检测的作业人员的图片，将所述图片进行预处理，得到预处理图片；步骤2、将所述预处理图片输入至预先训练的端到端深度神经网络模型，输出作业人员位置，安全装置佩戴状态的原始特征图结果；步骤3、将所述原始结果进行后处理，获得最终的准确结果；所述佩戴状态为正常状态或者异常状态。2.根据权利要求1所述的一种作业人员安全装备异常佩戴状态检测方法，其特征在于：所述用相机获取待检测的作业人员的图片，包括：通过预设的接口获取网络摄像机采集的视频流，将所述视频流转化为3通道RGB矩阵格式的图片，将转化后的图片作为待检测的作业人员图片。3.根据权利要求1所述的一种作业人员安全装备异常佩戴状态检测方法，其特征在于：所述将所述图片进行预处理，包括：基于预设的感兴趣区域，裁剪所述图片的感兴趣区域部分；将裁剪后的图片进行扩边缩放为预设的宽度和高度，扩边缩放将保持原图的比例，将比例不足的部分用黑色填充；将缩放后的图片进行归一化处理。4.根据权利要求1所述的一种作业人员安全装备异常佩戴状态检测方法，其特征在于：所述端到端深度神经网络模型，包括：依序连接的一个切片层，一个卷积单元，一个CSP1单元，一个卷积单元，一个CSP3单元，第1个分支点，一个卷积单元，一个CSP3单元，第2个分支点，一个卷积单元，SPP模块，一个CSP2单元，一个卷积单元，第3个分支点；第3个分支点经过上采样单元与第2个分支点的输出进行拼接，再连接一个CSP2单元，一个卷积单元，第4个分支点，经上采样后与第1个分支点的输出进行拼接，再连接一个CSP2单元，第5个分支点，一个卷积层，连接第一个输出层；第5个分支点连接一个卷积单元后与第4个分支点拼接后，连接一个CSP2单元，第6个分支点，一个卷积层，连接第二个输出层；第6个分支点连接一个卷积单元后与第3个分支点拼接后，连接一个CSP2单元，一个卷积层，连接第三个输出层；其中，每个输出层为一个三维张量的特征图，不同长、宽值的特征向量对应预测原图中不同位置的目标物，特征图边长不同，对应预测原图中不同大小尺度的目标物；每一个长、宽值的特征向量维度相同，包含该位置处目标框的坐标偏置值、宽高偏置值、存在目标的概率、目标属于不同类别的概率。5.根据权利要求1所述的一种作业人员安全装备异常佩戴状态检测方法，其特征在于：所述切片层，包括：将原始的3通道图片按四分之一分离切片，并拼接为12通道特征图然后连接一个卷积单元；所述卷积单元，包括：依序连接的一个卷积层，一个BN层，一个Leaky ReLU层；所述CSP1单元，包括：输入分为两个分支，一支为一个卷积单元，1个残差单元，一个卷积层，其中残差单元为输入连接两个卷积单元后，输出与输入相加的残差单元；另一个分支为输入只连接一个卷积层；两个分支经过拼接操作后连接BN层、Leaky...

【专利技术属性】
技术研发人员：袁杰，张文慎，张峰，李涛，吕永权，张璐阳，
申请(专利权)人：南京南自信息技术有限公司，
类型：发明
国别省市：