一种用于化工场所中工作人员防护用具佩戴情况的检测方法及检测系统技术方案

本发明专利技术公开了一种用于化工场所中工作人员防护用具佩戴情况的检测方法及检测系统，包括以下步骤：步骤一，通过化工场所监控获取视频，将视频按帧处理获取工作人员穿戴防护用具的情况的图像；步骤二，对步骤一所得图像进行数据预处理，去除图像噪声，统一分辨率，将总数据集拆分为测试集和训练集；步骤三，构建以Swin Transformer为主干的YOLOX检测网络，以步骤二预处理之后的图像作为输入；步骤四，采用化工场所监控数据训练集训练所述YOLOX检测网络，获得防护用具检测模型；步骤五，采用所述防护用具检测模型对化工场所监控图像进行检测；步骤六，对未按规定佩戴防护用具的工人发出警示信息。本发明专利技术的方法和系统提高了化工场所工人防护装备警示信息的准确性。所工人防护装备警示信息的准确性。所工人防护装备警示信息的准确性。

【技术实现步骤摘要】
一种用于化工场所中工作人员防护用具佩戴情况的检测方法及检测系统


[0001]本专利技术属于目标检测与识别
，涉及基于Swin transformer的自注意力机制的目标检测方法，具体涉及一种用于化工场所中工作人员防护用具佩戴情况的检测方法及检测系统。

技术介绍

[0002]目标检测算法主要由传统的人工特征检测算法和基于深度学习的目标检测算法两大类组成，基于深度学习的目标检测算法又分为两阶段和一阶段检测算法。(1)one
‑
stage检测算法，其不需要region proposal阶段，直接产生物体的类别概率和位置坐标值，经过单次检测即可直接得到最终的检测结果，因此有着更快的检测速度，比较典型的算法如YOLO，SSD，YOLOv2，YOLOv3，Retina
‑
Net等。(2)二阶段目标检测算法是基于回归的算法，由两个阶段组成。先通过策略生成锚点框，后将锚点框通过处理后进行回归定位，这类算法的典型代表有Fast R
‑
CNN，Faster R
‑
CNN，Cascade R
‑
CNN等。
[0003]化工厂所工人对防护用具穿戴是否正确有着很严格的规定，通常需要佩戴口罩、护目镜、安全帽、防护手套等安全用具，并对未正确佩戴安全用具的员工进行安全提醒，防止安全事故的发生。
[0004]现有的检测多为人工检测，存在检测速度慢，检测精确度不够，浪费人力资源等问题。另外，人工检测并不能做到全天实时的监测，易造成误检、漏检，影响安全防护；人工无法做到批量检测。
[0005]为了加强对化工厂所工作人员的防护用具穿戴情况管理，现有场所大多使用里视频对工作人员进行监控，然而由于缺少对监控画面进行数据分析的能力，仍不可避免的需要投入人力对视频进行排查。因此需要一种智能的检测算法对工作人员在化工场所期间的防护用具佩戴情况进行实施监管，避免因防护用品穿戴不到位而造成安全事故。

技术实现思路

[0006]针对现有技术的不足，本专利技术的目的在于提供一种用于化工场所中工作人员防护用具佩戴情况的检测方法及检测系统，以提高化工场所工人防护装备警示信息的准确性。
[0007]本专利技术是通过以下技术方案实现的：
[0008]一种用于化工场所中工作人员防护用具佩戴情况的检测方法，包括以下步骤：
[0009]步骤一，通过化工场所监控获取视频，将视频按帧处理获取工作人员穿戴防护用具的情况的图像；
[0010]步骤二，对步骤一所得图像进行数据预处理，去除图像噪声，统一分辨率，将总数据集拆分为测试集和训练集；
[0011]步骤三，构建以Swin Transformer为主干的YOLOX检测网络，以步骤二预处理之后的图像作为输入；
[0012]步骤四，采用化工场所监控数据训练集训练所述YOLOX检测网络，获得防护用具检测模型；
[0013]步骤五，采用所述防护用具检测模型对化工场所监控图像进行检测：对提取出的特征点进行判断，判断特征点是否有物体与其对应，标识出是否佩戴；
[0014]步骤六，对未按规定佩戴防护用具的工人发出警示信息。
[0015]本专利技术的进一步改进方案为：
[0016]步骤三所述检测网络包括改进后的CSPDarknet网络、YOLOPAFPN层网络、forward函数；
[0017]采用基于Swin Transformer作为主干网络的YOLOX检测，输入的图片首先会在CSPDarknet里面进行特征提取，提取到的特征被称作特征层，是输入图片的特征集合，在主干部分获取了三个有效特征层进行下一步网络的构建；FPN是YOLOX的加强特征提取网络，在主干部分获得的三个有效特征层在这一部分进行特征融合，特征融合的目的是结合不同尺度的特征信息；
[0018]所以，所述改进后的CSPDarknet网络为主干网络，所述改进后的CSPDarknet网络采用Swin Transformer的三个有效特征层，所述CSPDarknet网络的输出连接所述YOLOPAFPN网络的输入，所述forward函数特征替换为Swin Transformer的特征。
[0019]其中，在Swin Transformer中使用了Windows Multi
‑
Head Self
‑
Attention(W
‑
MSA)的概念，引入W
‑
MSA模块是为了减少计算量。普通的MSA模块对于特征图中的每个像素在自注意力计算过程中需要和所有的像素去计算。使用W
‑
MSA模块时，首先将特征图按照2*2大小划分成一个个窗口，然后单独对每个窗口内部进行Self
‑
Attention。
[0020]MSA和W
‑
MSA的计算量公式如下：
[0021]Ω(MSA)＝4hwC2+2(hw)2C
[0022]Ω(W
‑
MSA)＝4hwC2+2M2hwC
[0023]h代表feature map的高度；
[0024]w代表feature map的宽度；
[0025]C代表feature map的深度；
[0026]M代表每个窗口(Windows)的大小。
[0027]假设feature map的h、w都为96，M＝8，C＝128，采用W
‑
MSA模块相比MSA模块能够节省约21667774464 FLOPs：
[0028]2(hw)2C
‑
2M2hwC＝21667774464
[0029]W
‑
MSA能够获取窗口内部的信息，窗口之间的信息则使用Shift Windows Multi
‑
Head Self
‑
Attention(SW
‑
MSA)获取，如附图3所示。
[0030]进一步的，所述改进后的CSPDarknet网络，通过以下方法实现：在Swin Transformer取Patch Merging的三个有效特征层，其中代码部分PatchMerging和SwinTransformerBlock合并在了一起，所以取出的这三个有效特征层分别为下采样8倍，16倍和32倍的特征层，对应YOLOX的cspdarknet输入的下采样8倍，16倍和32倍的三个有效特征层，将CSPDarknet三个特征层更换为Swin Transformer输出的特征，即可完成网络的修改。
[0031]进一步的，所述forward函数引入了feature下采样4，8，16，32，64倍的特征层，这
里将使用8，16，32下采样倍率的部分，作用是在每个Stage开始前做降采样，用于缩小分辨率，调整通道数，进而形成层次化的设计，同时节省一定运算量，每次降采样是两倍，因此在行方向和列方向上，间隔2选取元素，然后拼接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于化工场所中工作人员防护用具佩戴情况的检测方法，其特征在于，包括以下步骤：步骤一，通过化工场所监控获取视频，将视频按帧处理获取工作人员穿戴防护用具的情况的图像；步骤二，对步骤一所得图像进行数据预处理，去除图像噪声，统一分辨率，将总数据集拆分为测试集和训练集；步骤三，构建以Swin Transformer为主干的YOLOX检测网络，以步骤二预处理之后的图像作为输入；步骤四，采用化工场所监控数据训练集训练所述YOLOX检测网络，获得防护用具检测模型；步骤五，采用所述防护用具检测模型对化工场所监控图像进行检测；步骤六，对未按规定佩戴防护用具的工人发出警示信息。2.根据权利要求1所述的一种用于化工场所中工作人员防护用具佩戴情况的检测方法，其特征在于：步骤三所述检测网络包括改进后的CSPDarknet网络、YOLOPAFPN层网络、forward函数；所述改进后的CSPDarknet网络为主干网络，所述改进后的CSPDarknet网络采用Swin Transformer的三个有效特征层，所述CSPDarknet网络的输出连接所述YOLOPAFPN网络的输入，所述forward函数特征替换为Swin Transformer的特征。3.根据权利要求2所述的一种用于化工场所中工作人员防护用具佩戴情况的检测方法，其特征在于：所述改进后的CSPDarknet网络，通过以下方法实现：在Swin Transformer取Patch Merging的三个有效特征层，其中代码部分PatchMerging和SwinTransformerBlock合并在了一起，所以取出的这三个有效特征层分别为下采样8倍，16倍和32倍的特征层，对应YOLOX的cspdarknet输入的下采样8倍，16倍和32倍的三个有效特征层，将CSPDarknet三个特征层更换为Swin Transformer输出的特征，即可完成网络的修改。4.根据权利要求2所述的一种用于化工场所中工作人员防护用具佩戴情况的检测方法，其特征在于：所述forward函数引入了feature下采样4，8，16，32，64倍的特征层，这里将使用8，16，32下采样倍率的部分，作用是在每个Stage开始前做降采样，用于缩小分辨率，调整通道数，进而形成层次化的设计，同时节省一定运算量，...

【专利技术属性】
技术研发人员：周蕾，陈冠宇，钟海莲，殷哲文，董妍妍，马冰娅，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：