一种安全帽佩戴与抽烟检测的安全监控方法技术

本发明专利技术公开了一种安全帽佩戴与抽烟检测的安全监控方法，包括以下步骤：采集人体关键点信息以及安全帽佩戴、香烟的标注信息，构造并训练人体关键点识别网络和目标检测网络；获取实时视频流信息，对实时视频流信息解码得到单帧图像；将获得的单帧图像传入人体关键点识别网络进行人体关键点的检测；通过人体关键点的检测，将人体的上半身截取出来，获得人体的上半身图像；将人体上半身图像传输至目标检测网络进行安全帽佩戴和抽烟检测，获得检测结果；对检测结果进行空间位置分析，去除误报信息；然后进行下一帧视频流中的单帧图像处理，重复上述步骤，直至实时视频流信息全部检测完毕。本发明专利技术提高检测精度、降低误检，为扩展提供了更多的可能。了更多的可能。了更多的可能。

【技术实现步骤摘要】
一种安全帽佩戴与抽烟检测的安全监控方法


[0001]本专利技术涉及安防监控领域，尤其涉及一种安全帽佩戴与抽烟检测的安全监控方法。

技术介绍

[0002]近年来，随着监控摄像头的普及以及芯片算力的提升，基于计算机视觉的安全监控手段得到了快速的发展，传统的依靠人工对场所进行监控的方法已经逐渐被取代。对于面向电力机房的安全监控来说，安全帽合规佩戴为对巡检人员的人身保护，对抽烟行为的检测可以有效防止火灾的发生。
[0003]在结构上现有的检测方法一般为单级网络，也就是一级目标检测网络来进行检测，使用这种方法来对香烟或是安全帽这种小目标进行检测一般不能达到很好的效果，这是因为输入目标检测网络的图片需要先被压缩成416x416的大小，此过程会造成小目标信息的丢失。目前的解决方法一般为增大目标检测网络的输入大小，而这种方法不仅训练起来对硬件要求高，而且推理速度也会有大幅下降，影响模型的实时性。
[0004]单目标检测网络对如香烟或是安全帽这种小目标进行检测还会产生较多的误检，对于检测准确度带来极大的影响。

技术实现思路

[0005]有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是现有的安全帽佩戴和抽烟行为的检测困难，对硬件要求高、检测速度慢、容易产生较多的误检等问题。本专利技术提供了一种安全帽佩戴与抽烟检测的安全监控方法，提供基于人体关键点识别与目标检测网络的安全帽佩戴和抽烟检测的安全监控方法，提高检测精度、降低误检，并且为扩展提供了更多的可能。
[0006]为实现上述目的，本专利技术提供了一种安全帽佩戴与抽烟检测的安全监控方法，包括以下步骤：
[0007]采集人体关键点信息以及安全帽佩戴、香烟的标注信息，构造并训练人体关键点识别网络和目标检测网络；
[0008]获取实时视频流信息，对实时视频流信息解码得到单帧图像；
[0009]将获得的单帧图像传入人体关键点识别网络进行人体关键点的检测；
[0010]通过人体关键点的检测，将人体的上半身截取出来，获得人体的上半身图像；
[0011]将人体上半身图像传输至目标检测网络进行安全帽佩戴和抽烟检测，获得检测结果；
[0012]对检测结果进行空间位置分析，去除误报信息；
[0013]然后进行下一帧视频流中的单帧图像处理，重复上述步骤，直至实时视频流信息全部检测完毕。
[0014]进一步地，采集人体关键点信息以及安全帽佩戴、香烟的标注信息，其中，人体关
键点信息包括双手、肩膀、躯干和头部中的一种或多种；
[0015]安全帽佩戴、香烟的标注信息包括正确佩戴安全帽的人头、未佩戴安全帽的人头和香烟的标注。
[0016]进一步地，构造并训练人体关键点识别网络和目标检测网络，其中，人体关键点识别网络使用OpenPose，目标检测网络使用Yolov5。
[0017]进一步地，将获得的单帧图像传入人体关键点识别网络进行人体关键点的检测，具体包括以下步骤：
[0018]对单帧图像进行预处理，包括大小缩放、像素值归一化、颜色通道顺序调整；
[0019]将预处理后的单帧图像送入人体关键点识别网络进行检测，得到网络输出的特征图；
[0020]根据所述特征图生成关键点位置的置信度图，进行非极大值抑制，获得一组身体关键点的候选位置；
[0021]根据所述特征图，建立特征点之间的关联，生成每个肢体的向量场；
[0022]采用PAF(Part Affinity Fields)算法将关键点候选位置和肢体向量场进行融合，将有效关键点进行个体关联，可得到各个关键点与各个人一一对应的关系，最终连接组装成多人的骨架。
[0023]进一步地，通过人体关键的检测，将人体的上半身截取出来，获得人体的上半身图像，具体包括计算包含人体关键点信息的最小矩形的位置，再对此最小矩形进行膨胀，使其充分包含人体边缘部分，最终截取出人体的上半身图像。
[0024]进一步地，将人体的上半身图像传输至目标检测网络进行安全帽佩戴和抽烟检测，获得检测结果，具体包括以下步骤：
[0025]对上半身图像进行预处理，包括大小缩放、像素值归一化、颜色通道顺序调整；
[0026]将预处理后的图像进行网格划分并输出，每个网格负责预测若干个矩形框以及其对应的置信度；
[0027]从输出信息中解析得到预测框，需要先对所有预测框的置信度进行判断，设置阈值，当预测框的置信度大于阈值时，将所述预测框进行保留；
[0028]根据所述预测的有效框，进行x，y坐标以及w，h长宽解析，得到真实框。
[0029]进一步地，综合人体关键点识别网络得到的手和头部关键点以及目标检测网络得到的香烟预测框进行抽烟行为的判断，计算抽烟行为的空间置信度，设定第二阈值，当空间置信度小于第二阈值时，判定为抽烟行为，当空间置信度大于第二阈值时，判定为误检。
[0030]进一步地，目标检测网络还会输出佩戴安全帽的人头或未佩戴安全帽的人头，以判断是否佩戴安全帽。
[0031]进一步地，计算抽烟行为的空间置信度采用以下公式：
[0032][0033]x
s
和y
s
分别为香烟预测框中心点在图像上的坐标，x
k
和y
k
分别为手部关键点与头部关键点在图像上的坐标，w
h
为目标检测网络输出的佩戴安全帽人头的预测框或未佩戴安全帽的人头的预测框的宽度，C为抽烟行为的空间置信度。
[0034]技术效果
[0035]本专利技术提出了一种安全帽佩戴与抽烟检测的安全监控方法，采用人体关键点识别网络作为第一级提取出人体关键点信息，进而提取出人体的上半身高清图像，送入目标检测网络中进行安全帽佩戴与香烟物体的检测，同时也充分利用了空间信息对误检的香烟物体进行剔除，提高了安全帽与抽烟检测的识别精度，也为该系统功能的扩展提供了更多的可能。
[0036]以下将结合附图对本专利技术的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本专利技术的目的、特征和效果。
附图说明
[0037]图1是本专利技术的一个较佳实施例的一种安全帽佩戴与抽烟检测的安全监控方法的流程示意图；
[0038]图2是本专利技术的一个较佳实施例的一种安全帽佩戴与抽烟检测的安全监控方法的依据人体骨架截取出人体上半身的示意图；
[0039]图3是本专利技术的一个较佳实施例的一种安全帽佩戴与抽烟检测的安全监控方法的实际电力机房场景中使用的效果图。
具体实施方式
[0040]为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0041]以下描述中，为了说明而不是为了限定，提出了诸如特定内部程序、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种安全帽佩戴与抽烟检测的安全监控方法，其特征在于，包括以下步骤：采集人体关键点信息以及安全帽佩戴、香烟的标注信息，构造并训练人体关键点识别网络和目标检测网络；获取实时视频流信息，对所述实时视频流信息解码得到单帧图像；将获得的所述单帧图像传入所述人体关键点识别网络进行人体关键点的检测；通过人体关键点的检测，将人体的上半身截取出来，获得人体的上半身图像；将所述人体上半身图像传输至所述目标检测网络进行安全帽佩戴和抽烟检测，获得检测结果；对所述检测结果进行空间位置分析，去除误报信息；然后进行下一帧视频流中的单帧图像处理，重复上述步骤，直至实时视频流信息全部检测完毕。2.如权利要求1所述的一种安全帽佩戴与抽烟检测的安全监控方法，其特征在于，采集人体关键点信息以及安全帽佩戴、香烟的标注信息，其中，人体关键点信息包括双手、肩膀、躯干和头部中的一种或多种；安全帽佩戴、香烟的标注信息包括正确佩戴安全帽的人头、未佩戴安全帽的人头和香烟的标注。3.如权利要求2所述的一种安全帽佩戴与抽烟检测的安全监控方法，其特征在于，构造并训练人体关键点识别网络和目标检测网络，其中，所述人体关键点识别网络使用OpenPose，所述目标检测网络使用Yolov5。4.如权利要求1所述的一种安全帽佩戴与抽烟检测的安全监控方法，其特征在于，将获得的所述单帧图像传入所述人体关键点识别网络进行人体关键点的检测，具体包括以下步骤：对所述单帧图像进行预处理，包括大小缩放、像素值归一化、颜色通道顺序调整；将预处理后的单帧图像送入所述人体关键点识别网络进行检测，得到网络输出的特征图；根据所述特征图生成关键点位置的置信度图，进行非极大值抑制，获得一组身体关键点的候选位置；根据所述特征图，建立特征点之间的关联，生成每个肢体的向量场；采用PAF(Part Affinity Fields)算法将关键点候选位置和肢体向量场进行融合，将有效关键点进行个体关联，可得到各个关键点与各个人一一对应的关系，最终连接组装成多人的骨架。5.如权利要求4所述的一种安全帽...

【专利技术属性】
技术研发人员：陈健，刘思琨，赵永成，胡炜呈，曹强，孙涛，张俊杰，张倩武，曹炳尧，宋英雄，
申请(专利权)人：上海大学，
类型：发明
国别省市：