一种结合姿态信息的安全帽佩戴检测方法技术

本发明专利技术提供一种结合姿态信息的安全帽佩戴检测方法，包括：初始化改进的Openpose模型和YOLOv3网络，利用NTU数据集和VOC数据集分别送给Openpose模型和YOLOv3网络进行网络训练，将训练得到的网络权重加载到上述模型和网络；判断摄像头是否开启；将得到的图像数据送到Openpose模型中，经过姿态特征提取和迭代，获得关节特征热图，再利用PAFs算法将关节连接，从而获得人员的姿态信息；将图像数据送到YOLOv3模型中，获得图像的安全帽检测框信息和安全帽检测框的置信度；利用非极大值抑制算法，计算去重后的姿态信息和安全帽检测框的距离，将距离最小的躯干与安全帽匹配为一对。相比于现有技术，该方法可以实时判断安全帽佩戴情况，有效去除误判信息，准确率高，实时性强。实时性强。实时性强。

【技术实现步骤摘要】
一种结合姿态信息的安全帽佩戴检测方法


[0001]本专利技术涉及机器视觉图像处理领域，尤其涉及一种结合姿态信息的安全帽佩戴检测方法。

技术介绍

[0002]在“工业4.0”、“互联网+”大发展的时代背景下，工业企业也在进行数字化、全自动化的转型升级，安全生产是企业生存和发展的基本保证。随着物联网、5G、人工智能和大数据等技术的广泛应用以及安监制度的不断完善，安全生产对安监系统建设提出了新的标准和要求。在大部分生产现场，佩戴护具是一项基本的规章制度，在发生危害时，护具可以有效保护甚至挽救人的生命。但由于监管不力，部分工作人员安全意识薄弱，无视安全规章制度，工作人员不佩戴护具而引发的安全事故时有发生。为了改善这种情况，有必要对工作人员的安全帽佩戴进行检测，降低由于工作人员没有佩戴护具而造成的事故发生率。

技术实现思路

[0003]为克服现有的安全帽识别技术的不足，本专利技术主要提供了一种基于Openpose和YOLOv3的相结合的安全帽佩戴检测方法，利用Openpose模型获取图像中的姿态信息，使用YOLOv3网络获取图像中的安全帽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合姿态信息的安全帽佩戴检测方法，其特征在于，所述安全帽佩戴检测方法包括：步骤1：初始化改进的Openpose模型和YOLOv3网络，包括输入输出维度、网络结构、优化器设置、输入图像帧速和尺寸，利用NTU数据集和VOC数据集分别送给Openpose模型和YOLOv3网络进行网络训练，将训练得到的网络权重加载到Openpose模型和YOLOv3网络中；步骤2：判断摄像头是否开启，若开启，则进行图像采集；若关闭，则退出程序；步骤3：将步骤2中的图像数据送到步骤1的Openpose模型中，经过姿态特征提取，对姿态特征迭代，获得关节特征热图，再利用PAFs算法将关节连接，从而获得人员的姿态信息；步骤4：将步骤2中的图像数据送到步骤1的YOLOv3模型中,获得图像的安全帽检测框信息和安全帽检测框的置信度；步骤5：利用非极大值抑制算法，去除步骤3中姿态信息的重复信息，再计算去重后的姿态信息和步骤4中的安全帽检测框的距离，将距离最小的躯干与安全帽匹配为一对；步骤6：设置安全帽检测框与置信度阈值，将步骤5中匹配后的安全帽检测框，利用置信度阈值进行预处理，去除置信度低于置信度阈值的安全帽检测框，再利用处理后的安全帽检测框信息建立数值四边形，判断数值四边形与头部姿态信息的位置关系，若头部姿态节点在数值四边形以内，则保留此安全帽检测框；若头部姿态节点在数值四边形之外，则将此安全帽检测框剔除；步骤7：将步骤6处理后的安全帽检测框与图像一并输出，若未正确佩戴安全帽，则发出警报并重新返回步骤1；若正确佩戴安全帽，则直接返回步骤1。2.根据权利要求1所述的安全帽佩戴检测方法，其特征在于，步骤1中，使用深度可分离网络，对传统的Openpose模型进行改进，增加姿态估计的实时性。3.根据权利要求1所述的安全帽佩戴检测方法，其特征在于，步骤1中，Openpose模型使用深度可分离卷积进行特征提取，YOLOv3...

【专利技术属性】
技术研发人员：吴胜昔，咸博龙，牛悦，王安南，陈佳艺，夏佳敏，
申请(专利权)人：上海佑显科技有限公司，
类型：发明
国别省市：