一种基于边缘技术和深度学习的安全帽佩戴识别方法技术

本发明专利技术公开了一种基于边缘技术和深度学习的安全帽佩戴识别方法，包括：模拟摄像头和网络摄像头，用于采集海上平台作业现场图像；硬盘录像机，其通过同轴电缆与所述模拟摄像头相连接；网络摄像机，其通过网线与所述网络摄像头相连接；边缘计算服务器，其余所述网络摄像机和所述硬盘录像机的输出端相连接；监控室，其连接所述边缘计算服务器的输出端；扬声器，其连接所述边缘计算服务器的输出端。在减少带宽资源消耗的同时缩短了传输时间，实现高实时性、高精确度的目标检测任务，为海上平台提供智能视频分析。本发明专利技术还提供一种基于边缘技术和深度学习的安全帽佩戴识别方法。

【技术实现步骤摘要】

本专利技术涉及一种基于边缘技术和深度学习的安全帽佩戴识别方法，属于计算机视觉。

技术介绍

1、钻井采油平台是海上油田生产作业的主要设施，其特点是远离陆地、环境复杂且空间有限，一旦发生安全生产事故，将会产生巨大损失。视频监控作为安全生产工作中的一种监管手段，早已被广泛应用在油气田生产领域。但是随着生产规模的扩增以及硬件的普及，视频监控的规模范围日益增多，传统的借助人工进行视频监控内容审查的方式效率低下，并且受限于人的主观影响和疲劳等不可靠因素的干扰，这种方式已经远远无法满足海上石油作业平台作业的需求。因此，采用新兴技术对传统监控领域进行赋能，提高监管效率和质量，实现降本增效将成为安全生产领域新的探索方向。

2、一方面，视频流中为低价值密度信息流，数小时的画面中可能都是前景信息，分析价值较低，同时随着监控设备清晰度的提升，视频传输所占用的带宽越来越大。以主流的1080p摄像头为例，在采用h264编码的情况下，则单路摄像头需要的上行带宽为4mbps，按照20路计算则所需带宽至少为80mbps。海上平台受限于远离陆地的地理特征，难以进行大规模光纤铺设，本文档来自技高网...

【技术保护点】

1.一种基于边缘技术和深度学习的安全帽佩戴识别方法，其特征在于，包括：

2.一种基于边缘技术和深度学习的安全帽佩戴识别方法，其特征在于，使用权利要求1所述的基于基于边缘技术和深度学习的安全帽佩戴识别方法，包括：

3.根据权利要求2所述的基于边缘技术和深度学习的安全帽佩戴识别方法，其特征在于，

4.根据权利要求3所述的基于边缘技术和深度学习的安全帽佩戴识别方法，其特征在于，所述步骤二中，数据增强包括：

5.根据权利要求4所述的基于边缘技术和深度学习的安全帽佩戴识别方法，其特征在于，所述步骤三中，改进的YOLOV4算法包括：

6.根...

【技术特征摘要】

1.一种基于边缘技术和深度学习的安全帽佩戴识别方法，其特征在于，包括：

2.一种基于边缘技术和深度学习的安全帽佩戴识别方法，其特征在于，使用权利要求1所述的基于基于边缘技术和深度学习的安全帽佩戴识别方法，包括：

3.根据权利要求2所述的基于边缘技术和深度学习的安全帽佩戴识别方法，其特征在于，

4.根据权利...

【专利技术属性】
技术研发人员：王红娜，周光元，沈文建，毛敏，白林坤，
申请(专利权)人：中法渤海地质服务有限公司，
类型：发明
国别省市：