基于机器视觉的廊道内人员监控系统及其方法技术方案

本申请涉及智能监控技术领域，其具体地公开了一种基于机器视觉的廊道内人员监控系统及其方法，其采用基于机器视觉的人工智能监控技术，以廊道内人员的监控图像作为输入数据来对于所述监控图像中的人员目标进行目标感兴趣区域的框定，并在进行图像高清处理后进一步进行显著目标检测编码，以提取出基于目标框定和高清化处理后的监控图像中关于工作人员是否佩戴安全帽的小尺寸隐含特征信息，并以此来进行所述工作人员是否佩戴安全帽的分类判断，通过这样的方式，能够对于廊道内工作人员是否佩戴安全帽进行准确地监控判断，以保证输煤系统的安全生产。统的安全生产。统的安全生产。

【技术实现步骤摘要】
基于机器视觉的廊道内人员监控系统及其方法


[0001]本申请涉及智能监控
，且更为具体地，涉及一种基于机器视觉的廊道内人员监控系统及其方法。

技术介绍

[0002]现在的煤矿开采行业由于在开采原煤的过程中存在较大的安全隐患，因此，要求工作人员在开采煤矿时必须佩戴安全帽，做好防护措施，以确保在开采过程中的安全。安全帽是一种采用高强度、抗冲击能力好的原料制成的浅圆顶帽子，能够防止冲击物伤害头部。安全帽主要由帽壳、帽衬、下颊带和后箍组成，由于帽壳和帽衬之间留有一定空间，因此能够缓冲、分散瞬时冲击力，从而避免或减轻头部受到的伤害。安全帽的佩戴与否直接影响着作业人员的生命安全，因此对于作业人员的安全帽是否佩戴需要进行监测。
[0003]但是，由于输煤廊道特殊的环境，一些危险因素及违反安规的现象，例如廊道内人员不佩戴安全帽的现象仅依靠现场人员与工业电视和人员(机器人)定时巡检是无法及时发现和处理的，为输煤系统的安全生产埋下了隐患，进而大大增加现场工作人员的危险程度。并且，目前在对于廊道内人员佩戴安全帽的检测中，大多数都是依靠工作人员进行人工观测监控，不仅效率低下，而且对于未佩戴安全帽的作业人员检测精准度较低。
[0004]因此，期望一种优化的廊道内人员监控系统，其能够对于廊道内工作人员是否佩戴安全帽进行准确地监控，以保证输煤系统的安全生产。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于机器视觉的廊道内人员监控系统及其方法，其采用基于机器视觉的人工智能监控技术，以廊道内人员的监控图像作为输入数据来对于所述监控图像中的人员目标进行目标感兴趣区域的框定，并在进行图像高清处理后进一步进行显著目标检测编码，以提取出基于目标框定和高清化处理后的监控图像中关于工作人员是否佩戴安全帽的小尺寸隐含特征信息，并以此来进行所述工作人员是否佩戴安全帽的分类判断，通过这样的方式，能够对于廊道内工作人员是否佩戴安全帽进行准确地监控判断，以保证输煤系统的安全生产。
[0006]根据本申请的一个方面，提供了一种基于机器视觉的廊道内人员监控系统，其包括：
[0007]监控模块，用于获取由摄像头采集的廊道内人员监控图像；
[0008]目标检测模块，用于将所述廊道内人员监控图像通过人员目标检测网络以得到目标感兴趣区域；
[0009]图像增强模块，用于将所述目标感兴趣区域通过基于对抗生成网络的高清图像生成器以得到生成目标感兴趣区域；
[0010]图像特征提取模块，用于将所述生成目标感兴趣区域通过使用包含显著目标检测器的卷积神经网络模型以得到分类特征图；
[0011]特征分布校正模块，用于对所述分类特征图的沿通道维度的各个特征矩阵进行特征分布校正以得到校正后分类特征图；以及
[0012]监控结果生成模块，用于将所述校正后分类特征图通过分类器以得到分类结果，所述分类结果用于表示人员是否佩戴安全帽。
[0013]根据本申请的另一方面，提供了一种基于机器视觉的廊道内人员监控方法，其包括：
[0014]获取由摄像头采集的廊道内人员监控图像；
[0015]将所述廊道内人员监控图像通过人员目标检测网络以得到目标感兴趣区域；
[0016]将所述目标感兴趣区域通过基于对抗生成网络的高清图像生成器以得到生成目标感兴趣区域；
[0017]将所述生成目标感兴趣区域通过使用包含显著目标检测器的卷积神经网络模型以得到分类特征图；
[0018]对所述分类特征图的沿通道维度的各个特征矩阵进行特征分布校正以得到校正后分类特征图；以及
[0019]将所述校正后分类特征图通过分类器以得到分类结果，所述分类结果用于表示人员是否佩戴安全帽。
[0020]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的基于机器视觉的廊道内人员监控方法。
[0021]根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的基于机器视觉的廊道内人员监控方法。
[0022]与现有技术相比，本申请提供的一种基于机器视觉的廊道内人员监控系统及其方法，其采用基于机器视觉的人工智能监控技术，以廊道内人员的监控图像作为输入数据来对于所述监控图像中的人员目标进行目标感兴趣区域的框定，并在进行图像高清处理后进一步进行显著目标检测编码，以提取出基于目标框定和高清化处理后的监控图像中关于工作人员是否佩戴安全帽的小尺寸隐含特征信息，并以此来进行所述工作人员是否佩戴安全帽的分类判断，通过这样的方式，能够对于廊道内工作人员是否佩戴安全帽进行准确地监控判断，以保证输煤系统的安全生产。
附图说明
[0023]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0024]图1为根据本申请实施例的基于机器视觉的廊道内人员监控系统及其方法的应用场景图。
[0025]图2为根据本申请实施例的基于机器视觉的廊道内人员监控系统及其方法的框图示意图。
[0026]图3为根据本申请实施例的基于机器视觉的廊道内人员监控系统中监控结果生成模块的框图。
[0027]图4为根据本申请实施例的基于机器视觉的廊道内人员监控方法的流程图。
[0028]图5为根据本申请实施例的基于机器视觉的廊道内人员监控方法的系统架构的示意图。
[0029]图6为根据本申请实施例的基于机器视觉的廊道内人员监控方法中，将所述校正后分类特征图通过分类器以得到分类结果的流程图。
[0030]图7为根据本申请实施例的电子设备的框图。
具体实施方式
[0031]下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0032]场景概述
[0033]如上所述，现在的煤矿开采行业由于在开采原煤的过程中存在较大的安全隐患，因此，要求工作人员在开采煤矿时必须佩戴安全帽，做好防护措施，以确保在开采过程中的安全。安全帽是一种采用高强度、抗冲击能力好的原料制成的浅圆顶帽子，能够防止冲击物伤害头部。安全帽主要由帽壳、帽衬、下颊带和后箍组成，由于帽壳和帽衬之间留有一定空间，因此能够缓冲、分散瞬时冲击力，从而避免或减轻头部受到的伤害。安全帽的佩戴与否直接影响着作业人员的生命安全，因此对于作业人员的安全帽是否佩戴需要进行监测。
[0034]但是，由于输煤廊道特殊的环境，一些危险因素及违反安规的现象，例如廊道内人员不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的廊道内人员监控系统，其特征在于，包括：监控模块，用于获取由摄像头采集的廊道内人员监控图像；目标检测模块，用于将所述廊道内人员监控图像通过人员目标检测网络以得到目标感兴趣区域；图像增强模块，用于将所述目标感兴趣区域通过基于对抗生成网络的高清图像生成器以得到生成目标感兴趣区域；图像特征提取模块，用于将所述生成目标感兴趣区域通过使用包含显著目标检测器的卷积神经网络模型以得到分类特征图；特征分布校正模块，用于对所述分类特征图的沿通道维度的各个特征矩阵进行特征分布校正以得到校正后分类特征图；以及监控结果生成模块，用于将所述校正后分类特征图通过分类器以得到分类结果，所述分类结果用于表示人员是否佩戴安全帽。2.根据权利要求1所述的基于机器视觉的廊道内人员监控系统，其特征在于，所述人员目标检测网络为基于锚窗的目标检测网络。3.根据权利要求2所述的基于机器视觉的廊道内人员监控系统，其特征在于，所述基于锚窗的目标检测网络为Fast R
‑
CNN、Faster R
‑
CNN或RetinaNet。4.根据权利要求3所述的基于机器视觉的廊道内人员监控系统，其特征在于，所述对抗生成网络包括鉴别器和生成器，其中，所述图像增强模块，进一步用于将所述目标感兴趣区域输入所述基于对抗生成网络的高清图像生成器以由所述对抗生成网络的生成器通过反卷积编码生成所述目标感兴趣区域。5.根据权利要求4所述的基于机器视觉的廊道内人员监控系统，其特征在于，所述图像特征提取模块，进一步用于：使用所述包含显著目标检测器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：使用第一卷积核对所述输入数据进行卷积处理以得到第一卷积特征图；使用第二卷积核对所述第一卷积特征图进行卷积处理以得到第二卷积特征图，其中，所述第一卷积核的尺寸大于所述第二卷积核的尺寸；对所述第二卷积特征图进行池化处理以得到池化特征图；以及对所述池化特征图进行激活处理以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述分类特征图，所述第一卷积神经网络模型的第一层的输入为所述生成目标感兴趣区域。6.根据权利要求5所述的基于机器视觉的廊道内人员监控系统，其特征在于，所述特征分布校正模块，进一步用于：以如下公式对所述分类特征图的沿通道维度的各个特征矩阵进行特征分布校正以得到所述校正后分类特征图；其中，所述公式为：其中，M表示所述分类特征图的沿通道维度的各个特征矩阵，m
i，j
是所述分类特征图的沿通道维度的每个特征矩阵的各个位置的特征值，‖
·
‖2为向量的二范数，且表示将矩阵
的每个值乘以预定数值，表示按位置加法，M
′

【专利技术属性】
技术研发人员：陈晓伟，郭凯，王浩光，许锦濠，张南，赵霞，刘畅，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：