一种基于视觉感知的无人天车作业区域安全检测方法技术

本发明专利技术公开了一种基于视觉感知的无人天车作业区域安全检测方法，涉及工业生产技术领域。该检测方法通过对钢厂实际场景图片的标注获取专用的数据集，并用该数据集对目标检测模型进行进一步的微调，优化了目标检测模型在钢厂这种特殊场景下对工作人员的识别效果，此外本发明专利技术将重叠判断算法与目标检测模型相结合，使得目标检测程序能够判断出被识别的人员是否处在工作区域中，从而进一步判断当前是否是防止钢卷的合适时机，有效防止了无人天车在工作区域有工人作业时将钢卷下放而产生的安全隐患，也为钢厂的工人提供了较为安全的工作环境。境。境。

【技术实现步骤摘要】
一种基于视觉感知的无人天车作业区域安全检测方法


[0001]本专利技术涉及工业生产
，具体为一种基于视觉感知的无人天车作业区域安全检测方法。

技术介绍

[0002]随着智能化技术的不断发展，智能化起重机即无人天车在钢厂中得到了越来越多的应用。无人天车系统是基于传统的人工天车系统，利用传感器技术、信息技术和网络技术及为人工天车系统添加基础层、管理层和控制层来实现天车智能化、无人化作业的库区综合管理系统。目前无人天车系统已相对成熟，能够有效地提升钢厂的运作效率并极大地降低人力成本，然而无人化的设计也同时产生了一些安全隐患，比如当无人天车将钢卷运至工作区域时，由于其无法判断工作区域的人员情况，在将钢卷下放的过程中可能会对正在工作区域作业的工人造成伤害，从而导致严重的安全事故。与此同时，随着计算机视觉领域的蓬勃发展，目前已经有大量先进且成熟的基于深度学习的图像和视频识别技术可以用于人员的检测，然而这些方法通常使用多种场景下的人物图像对模型进行训练，在钢厂这种特定场景下的人员检测任务上效果一般，因此并不能满足钢厂作业实际应用中的各种需求；此外，无人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉感知的无人天车作业区域安全检测方法，其特征在于：所述安全检测方法包括以下步骤：S1：对收集到的钢厂内部工作区域及其附近的视频进行抽帧处理，获取用于对目标检测模型进行优化的专用数据集；S2：基于目标识别模型yolo进行优化，在已经加载预训练权重的yolo模型的基础上，用收集到的专用数据集进行微调；S3：设计区域划分程序，在一张从视频中抽取的图片上用一个多边形划定作业区域，并保存作业区域各个边的斜率以及顶点；S4：在目标检测模型中加入重叠判断模块；S5：当无人天车要将钢卷放置到工作区域时，摄像头端从实时的视频流中抽取若干张图片传送到服务器端，由服务器端进行工作区域的人员检测。2.根据权利要求1所述的一种基于视觉感知的无人天车作业区域安全检测方法，其特征在于：所述S1进一步的包括以下步骤：S11：对钢厂的监控视频数据进行分析和筛选，截取包含人员较多以及人员姿态种类较多的视频片段；S12：对截取的视频片段进行抽帧处理，获取钢厂特定场景下的图像数据；S13：利用标记工具对获取的图像数据进行标记，生成yolo格式的标注文件，为了使后续的重叠判断更加准确，标注框尽量贴近工作人员的外轮廓。3.根据权利要求1所述的一种基于视觉感知的无人天车作业区域安全检测方法，其特征在于：所述S2包括以下步骤：S21：本发明的目标检测模型基于yolov4模型进行改进，使用CSPDarkNet53作为特征提取的主干网络，DarkNet53由Resblock_body模块组合而成，而Resblock_body模块则由一次下采样和多次残差结构的堆叠构成，而CSPDarkNet53则在DarkNet53的基础上将激活函数由LeakyRelu修改为Mish，Mish的公式如下：Mish＝x
×
tanh(ln(1+e
x
)),此外，CSPDarkNet53还将DarkNet53中的Resblock_body修改为CSPnet结构；S22：在特征金字塔部分，目标检测模型同时使用了SPP结构和PANet结构。4.根据权利要求3所述的一种基于视觉感知的无人天车作业区域安全检测方法，其特征在于：所述S2进一步的包括以下步骤：S23：在特征利用部分，该模型提取三个特征层进行目标检测；S24：损失函数的计算如下：
S25：将在voc数据集上预训练得到的权重加载到yolo网络模型...

【专利技术属性】
技术研发人员：尹建华，李毅仁，聂礼强，李玉涛，王晔，郝亮，王婧雯，宋媛媛，
申请(专利权)人：山东大学青岛海尔智能技术研发有限公司，
类型：发明
国别省市：