一种基于安全帽佩戴识别的叉车安全作业检测方法技术

本发明专利技术公开了一种基于安全帽佩戴识别的叉车安全作业检测方法。解决现有技术中视频监控不能检测人员未佩戴安全帽、进行推动报警的问题。步骤包括识别图像中叉车、司机和行人；根据叉车和司机识别区域的重叠率判断获取候选叉车司机；裁剪候选叉车司机图像，识别图像中的人头像和安全帽；根据人头像或安全帽识别区域依次与行人识别区域、叉车识别区域上部、叉车识别区域上部中间区域的重叠率判断，获取叉车司机的人头像和安全帽识别结果；根据叉车司机的人头像和安全帽识别结果进行报警判断。本发明专利技术实现自动检测叉车司机未戴安全帽进行危险作业的情况，有效过滤掉行人路过叉车时导致的误报，实现铁路货场叉车司机未戴安全帽的准确检测。确检测。确检测。

【技术实现步骤摘要】
一种基于安全帽佩戴识别的叉车安全作业检测方法


[0001]本专利技术涉及视频监控
，尤其是涉及一种基于安全帽佩戴识别的叉车安全作业检测方法。

技术介绍

[0002]近年来铁路货场安全事故频发，目前货运站场内主要通过制度和人防手段对场内人员及其作业过程进行管控，无论是监管力度还是监管效率都有待提高。货场内叉车司机作业过程中必须佩戴安全帽，当前虽然已经部署了传统的视频监控手段，但未充分发挥视频的优势，监控视频主要用于事后调查追溯，未能充分发挥视频智能分析、即时推送报警的优势，不能提前预知潜在的风险，提醒管理人员及时处理，将危险遏制在源头。

技术实现思路

[0003]本专利技术主要是解决现有技术中传统视频监控不能检测人员未佩戴安全帽、进行推动报警的问题，提供了一种基于安全帽佩戴识别的叉车安全作业检测方法。
[0004]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种基于安全帽佩戴识别的叉车安全作业检测方法，对摄像机拍摄的作业区域图像进行分析，包括以下步骤：
[0005]S1.采用预训练的深度学习目标模型识别图像中叉车、司机和行人；
[0006]S2.根据叉车和司机识别结果判断进行作业判断，并根据叉车和司机识别区域的重叠率判断获取候选叉车司机；
[0007]S3.裁剪候选叉车司机图像，采用预训练的深度学习目标模型识别图像中的人头像和安全帽；
[0008]S4.根据人头像或安全帽识别区域依次与行人识别区域、叉车司机识别区域上部、叉车识别区域上部中间区域的重叠率判断，获取叉车司机的人头像和安全帽识别结果；
[0009]S5.根据叉车司机的人头像和安全帽识别结果进行报警判断。
[0010]本专利技术能够实现自动检测叉车司机未戴安全帽进行危险作业的情况，并能有效的过滤掉行人路过叉车时导致的误报，实现铁路货场叉车司机未戴安全帽的准确检测。
[0011]作为一种优选方案，所述步骤S1具体过程包括：
[0012]采集一帧实时监控图像；
[0013]采用预训练的深度学习目标模型识别图像中叉车、司机和行人，获得叉车、司机、行人识别结果；
[0014]其中叉车识别结果包括一个叉车的叉车识别框，以及叉车识别框左上顶点坐标和宽高，司机识别结果包括一个坐着的人的司机识别框，以及司机识别框左上顶点坐标和宽高，行人识别结果包括站立的人的行人识别框，以及行人识别框左上坐标和宽高。目标识别框为包围识别目标的矩形框。司机和行人通过站立和坐着来进行区分识别。深度学习目标模型为预先训练好的模型，识别模型采用现有技术中的模型。
[0015]作为一种优选方案，所述根据叉车和司机识别结果判断进行作业判断，包括：
[0016]判断是否识别出叉车，若无叉车，则跳过当前帧图像，进入下一帧图像分析，若有叉车，进入下一步判断；
[0017]判断叉车识别框是否满足第一条件，若不满足，则跳过当前帧图像，进入下一帧图像分析，若满足，进入下一步判断，其中第一条件为叉车识别框宽度大于q1且叉车识别框宽高比或高宽比小于p；p一般取小于1.5，q1一般取300，单位为像素。
[0018]判断是否识别出司机，若无司机，则跳过当前帧图像，进入下一帧图像分析，若有司机，则判断叉车可能作业。
[0019]本方案对是否识别出叉车和司机进行判断，在叉车和司机均存在情况下叉车可能处于作业状态。
[0020]作为一种优选方案，所述根据叉车和司机识别区域的重叠率判断获取候选叉车司机，包括：
[0021]遍历司机识别结果，计算司机识别框与叉车识别框的重叠率，判断重叠率是否小于第一阈值，若是，判断该目标非叉车司机，若否，判断该目标为候选叉车司机，若最终都为非叉车司机，则跳过当前帧图像，进入下一帧图像分析；
[0022]司机识别框与叉车识别框的重叠率计算包括，
[0023]计算叉车与司机重叠区域宽
[0024]w＝min(fxmin+fw,dxmin+dw)
‑
max(fxmin,dxmin)，
[0025]计算叉车与司机重叠区域高
[0026]h＝min(fymin+fh,dymin+dh)
‑
max(fymin,dymin)，
[0027]其中fxmin，fymin表示叉车识别框左上顶点坐标，fw表示叉车识别框宽度，fh表示叉车识别框高度，dxmin,dymin表示司机识别框左上顶点坐标，dw表示司机识别框宽度，dh表示司机识别框高度；
[0028]计算司机识别框与叉车识别框的重叠率
[0029][0030]第一阈值可进行配置，一般在0.7
‑
0.95之间。若不重叠，则重叠率为0。
[0031]作为一种优选方案，所述步骤S3的具体过程包括：
[0032]根据判断获得的候选叉车司机，从图像中裁剪出候选叉车司机的司机识别框图像，采用预训练的深度学习目标模型识别得到人头像和安全帽识别结果；本步骤的采用的预训练深度学习目标模型为用于识别人头像和安全帽的模型。
[0033]其中人头像识别结果包括一个人头像的人头像识别框，以及人头像识别框左上顶点坐标和宽高，安全帽识别结果包括一个安全帽的安全帽识别框，以及安全帽识别框左上顶点坐标和宽高；
[0034]判断人头像或安全帽识别框是否满足第二条件，若不满足，过滤掉不满足条件的人头像或安全帽识别结果，若满足，获得符合条件的人头像或安全帽识别结果，其中第二条件为人头像或安全帽识别框宽度或高度大于等于q2；q2一般取35，单位为像素。
[0035]作为一种优选方案，所述人头像或安全帽识别区域与行人识别区域的重叠率判断，包括：
[0036]遍历人头像或安全帽识别结果，计算人头像或安全帽识别区域与行人识别区域的
重叠率，判断重叠率是否大于第二阈值，若是，判断人头像或安全帽为非叉车司机的，过滤该人头像或安全帽，若否，进入下一步骤。其中第二阈值可配置，一般大于0.2。
[0037]作为一种优选方案，所述人头像或安全帽识别区域与叉车司机识别区域上部的重叠率判断，包括：
[0038]根据人头像或安全帽识别区域与行人识别区域的重叠率判断结果，遍历人头像或安全帽识别结果，计算人头像或安全帽识别区域与叉车司机识别区域的上1/2部分的重叠率，判断重叠率是否小于第三阈值，若是，判断人头像或安全帽为非叉车司机的，过滤该人头像或安全帽，若否，进入下一步骤。其中第三阈值可配置，一般在0.7到0.95之间。叉车司机识别区域上部为叉车司机识别区域的上1/2部分，叉车司机识别结果信息包括(dxmin,dymin,dw,dh)，其中(dxmin,dymin)表示司机识别框左上顶点坐标，dw表示司机识别框宽度，dh表示司机识别框高度，叉车司机识别区域的上1/2部分为(dxmin,dymin,dw,dh/2)。
[0039]作为一种优选方案，所述根据人头像或安全帽识别区域与叉车识别区域上部中间区域的重叠本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于安全帽佩戴识别的叉车安全作业检测方法，对摄像机拍摄的作业区域图像进行分析，其特征在于：包括以下步骤：S1.采用预训练的深度学习目标模型识别图像中叉车、司机和行人；S2.根据叉车和司机识别结果判断进行作业判断，并根据叉车和司机识别区域的重叠率判断获取候选叉车司机；S3.裁剪候选叉车司机图像，采用预训练的深度学习目标模型识别图像中的人头像和安全帽；S4.根据人头像或安全帽识别区域依次与行人识别区域、叉车司机识别区域上部、叉车识别区域上部中间区域的重叠率判断，获取叉车司机的人头像和安全帽识别结果；S5.根据叉车司机的人头像和安全帽识别结果进行报警判断。2.根据权利要求1所述的一种基于安全帽佩戴识别的叉车安全作业检测方法，其特征是所述步骤S1具体过程包括：采集一帧实时监控图像；采用预训练的深度学习目标模型识别图像中叉车、司机和行人，获得叉车、司机、行人识别结果；其中叉车识别结果包括一个叉车的叉车识别框，以及叉车识别框左上顶点坐标和宽高，司机识别结果包括一个坐着的人的司机识别框，以及司机识别框左上顶点坐标和宽高，行人识别结果包括站立的人的行人识别框，以及行人识别框左上坐标和宽高。3.根据权利要求2所述的一种基于安全帽佩戴识别的叉车安全作业检测方法，其特征是所述根据叉车和司机识别结果判断进行作业判断，包括：判断是否识别出叉车，若无叉车，则跳过当前帧图像，进入下一帧图像分析，若有叉车，进入下一步判断；判断叉车识别框是否满足第一条件，若不满足，则跳过当前帧图像，进入下一帧图像分析，若满足，进入下一步判断，其中第一条件为叉车识别框宽度大于q1且叉车识别框宽高比或高宽比小于p；判断是否识别出司机，若无司机，则跳过当前帧图像，进入下一帧图像分析，若有司机，则判断叉车可能作业。4.根据权利要求3所述的一种基于安全帽佩戴识别的叉车安全作业检测方法，其特征是所述根据叉车和司机识别区域的重叠率判断获取候选叉车司机，包括：遍历司机识别结果，计算司机识别框与叉车识别框的重叠率，判断重叠率是否小于第一阈值，若是，判断该目标非叉车司机，若否，判断该目标为候选叉车司机，若最终都为非叉车司机，则跳过当前帧图像，进入下一帧图像分析；司机识别框与叉车识别框的重叠率计算包括，计算叉车与司机重叠区域宽w＝min(fxmin+fw,dxmin+dw)
‑
max(fxmin,dxmin)，计算叉车与司机重叠区域高h＝min(fymin+fh,dymin+dh)
‑
max(fymin,dymin)，其中fxmin，fymin表示叉车识别框左上顶点坐标，fw表示叉车识别框宽度，fh表示叉车识别框高度，dxmin,dymin表示司机识别框左上顶点坐标，dw表示司机识别框宽度，dh表示
司机识别框高度；计算司机识别框与叉车识别框的重叠率5.根据权利要求4所述的一种基于安全帽佩戴识别的叉车安全作业检测方法，其特征是所述步骤S3的具体过程包括：根据判断获得的候选叉车司机，从图像中裁剪出候选叉车司机的司机识别框图像，采用预训练的深度学习目标模型识别得到人头像和安全帽识别结果；其中人头像识别结果包括一个人头像的人头像识别框，以及人头像识别框...

【专利技术属性】
技术研发人员：徐玉梅，陈刚，夏雷，刘荣富，陈亮，张家源，晁京，叶卫春，
申请(专利权)人：高新兴创联科技有限公司，
类型：发明
国别省市：