一种综合作业人员安全检测方法技术

本发明专利技术公开了一种综合作业人员安全检测方法，包括以下步骤：获取用于进行安全检测的基础模型，所述基础模型是PyTorch模型；将所述PyTorch模型转化为ONNX模型；对所述ONNX模型进行低精度量化处理和去除拓扑处理；将处理后的ONNX模型转换为IR模型；让所述IR模型运行在神经计算棒上。根据上述技术，本算法采取模型转换的方式，将模型进行优化，首先将PyTorch模型转化为Open Neural Network Exchange(ONNX)模型，再对所述ONNX模型进行低精度量化处理和去除拓扑处理，对处理后的模型生成.xml和.bin的IR模型的文件，再让IR模型运行在Intel的神经计算棒上，可大大加快模型的推理速度，大大提高了边缘端计算的效果。大大提高了边缘端计算的效果。大大提高了边缘端计算的效果。

【技术实现步骤摘要】
一种综合作业人员安全检测方法


[0001]本专利技术属于安全监测
，具体涉及一种综合作业人员安全检测方法。

技术介绍

[0002]以往的对现场安全检测设备功能较为零散，要么仅考虑机器设备对人的安全检测，要么仅考虑作业人员操作状态的检测，随着安全监测综合性的要求提高，需将现场设备的安全检测以及作业人员的安全检测统一到一个产品中来，全方位检测现场作业人员的安全操作过程。
[0003]一般对现场作业人员的安全操作过程进行检测都是通过人工智能相关模型进行现场的实时识别，然而现有的人工智能算法模型对运行设备的要求比较高，在小体积、低功耗的处理器(例如ARM处理器)端的运行非常卡顿。如目标检测算法是基于PyTorch实现，其初始模型为PyTorch(*.pt)模型，如果没有进行模型优化，直接在ARM端运行，平均每2秒一帧检测图像，其检测速率太慢，失去了检测效果。

技术实现思路

[0004]本专利技术的目的是提供一种综合作业人员安全检测方法，用以解决现有技术中存在的人工智能算法对运行设备的要求高，在小体积、低功耗的处理器端的运行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合作业人员安全检测方法，其特征在于，包括以下步骤：获取用于进行综合作业人员安全检测的基础模型，所述基础模型是PyTorch模型；将所述PyTorch模型转化为ONNX模型；对所述ONNX模型进行低精度量化处理和去除拓扑处理；将处理后的ONNX模型转换为IR模型；让所述IR模型运行在神经计算棒上。2.根据权利要求1所述的综合作业人员安全检测方法，其特征在于，所述基础模型中包括人物测距模型，所述人物测距模型包括目标检测和测距，目标检测即为对每帧图像进行人、车的目标检测，并绘制检测框；根据测距方法，计算人和车的距离，根据距离是否小于阈值判断是否需要报警；所述目标检测包括以下方法：利用交叉验证的方法确定检测框无交叠情形下最优的交并比IoU阈值N
t
；根据连通的检测框数量来判断是否存在交叠；若否，根据IoU阈值n
t
对检测框进行NMS操作；若是，对连通的检测框进行聚类分析，通过聚类分析将连通的检测框分为多个簇，再在各个簇里面，根据IoU阈值N
t
来进行NMS操作。3.根据权利要求2所述的综合作业人员安全检测方法，其特征在于，对连通的检测框进行聚类分析的方法包括：采用YOLOv3作为训练模型，其为每个目标分配的检测框的数量是固定的，根据连通的检测框的数量除以每个目标分配的检测框的数量，并上取整，根据上取整来确定簇的数量；再计算各连通的检测框中心点彼此的距离，形成距离邻接矩阵，去掉邻接矩阵对称部分，计算矩阵各列最大值，形成行向量，对所述行向量进行差分运算，根据簇的数量，将距离排在前几个的两个连通的检测框的连通性强行断开，从而形成多个簇。4.根据权利要求2所述的综合作业人员安全检测方法，其特征在于，所述人物测距模型中测距的方法包括：采用单目测距的方法计算人和车的距离，所述单目测距的公式如下：D＝(W
×
F)/P其中，W为目标宽度，F为相机的焦距，P为像素宽度；所述W和F为常量，同时，通过对...

【专利技术属性】
技术研发人员：张培培，张武杰，徐怡彤，王梅霞，陈锦斐，王冰冰，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：