一种实时高精度的反光衣穿戴状态识别方法及装置制造方法及图纸

为解决现有技术在针对施工作业人员是否有穿戴反光衣所存在的问题，本发明专利技术提供一种实时高精度的反光衣穿戴状态识别方法及装置，该方法首先获取施工现场图像，然后将取施工现场图像输入目标检测网络结构模型中，最后得到施工人员和反光衣类别的目标检测预测结果图，通过计算反光衣和施工人员的锚框的重合度判定施工人员是否有穿着反光衣，实现对高空作业或重型设备的施工人员是否穿戴反光衣进行识别。本发明专利技术不仅适用于多场景下的反光衣检测，同时具有极强的鲁棒性，还可以以较小的参数运算量应用至工地中的低成本轻量化运算设备中，从而促进智慧工地的实现。促进智慧工地的实现。促进智慧工地的实现。

【技术实现步骤摘要】
一种实时高精度的反光衣穿戴状态识别方法及装置


[0001]本专利技术涉及计算机视觉
，具体涉及一种实时高精度的反光衣穿戴状态识别方法及装置。

技术介绍

[0002]目标检测技术是计算机技术的一种，目前常用于智慧城市和智慧工地的使用中，该技术可以利用计算机实现对图片中不同类别物体利用锚框(anchor box)。图像目标检测技术经过Redmon等人所设计的YOLOv1网络结构改进后已经可以实现对图片中的不同类别物体的在图片中的位置利用锚框进行划定。从YOLOv1的创建至今，经过Bochkovskiy所设计的YOLOv4、Ultralytics等人所设计的YOLOv5神经网络结构，到目前最新Wang等人设计的YOLOv7系列的目标检测网络结构在智能目标检测系统中表现优异，在多样本图片数据集中准确率能达到87％，但在实际应用场景下还存在一定的缺陷。例如Huang等人在PP
‑
YOLO中指出YOLO系列的参数量过于庞大，对于移动端而言内存和显存的占用过高，不适合在施工场景中大量使用的低成本轻量化的运算芯片使用。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时高精度的反光衣穿戴状态识别方法，其特征在于，所述方法包括：获取施工现场图像；将所获取到的施工现场图像输入到目标检测网络结构模型中；所述目标检测网络结构模型的骨干网络是以ResNet50网络结构为基础，对所输入的图像进行图像特征信息提取，然后对所提取到的图像特征信息采用像素聚合网络进行聚合，得到图像特征信息图，所述图像特征信息图再通过注意力网络模块来进行特征信息提取；将注意力网络模块所提取到的特征信息采用YOLO算法的目标检测头进行处理，得到带预测框的目标检测结果图；根据目标检测结果图来计算施工人员的和反光衣预测框的像素重合度是否低于所设定的重合度阈值，以判定施工人员是否违反安全作业规定。2.如权利要求1所述的实时高精度的反光衣穿戴状态识别方法，其特征在于，输入到目标检测网络结构模型中的施工现场图像尺寸为768x768分辨率。3.如权利要求2所述的实时高精度的反光衣穿戴状态识别方法，其特征在于，所述目标检测网络结构模型目标检测网络batchsize参数设置最大不超过12。4.如权利要求1所述的实时高精度的反光衣穿戴状态识别方法，其特征在于，所述目标检测网络结构模型的骨干网络是以ResNet50网络结构为基础，对输入图像进行图像特征信息提取包括：使用ResNet50取代YOLO系列的DarkNet
‑
53作为骨干网络进行图像特征信息提取，并利用ACON激活函数和...

【专利技术属性】
技术研发人员：贺婷，彭洪秋，焦长洲，王敏帅，林遵虎，王义，李楠，薛松，梁伟森，谢猛，杨伟，杨雁彬，王泽国，
申请(专利权)人：中铁建工集团第五建设有限公司中铁建工集团有限公司，
类型：发明
国别省市：