[发明专利]一种通过监控视频自动判断着装规范的方法

说明书

本发明公开了一种通过监控视频自动判断着装规范的方法，主要用于判断作业人员头部的着装是否规范，本发明通过摄像头在线采集作业人员的头部特征并生成图像；本发明通过深度学习的训练模型提取图像的特征，并判断作业人员的头部着装是否规范，若作业人员头部着装不规范，则输出报警信息；本发明使用深度学习的方式自动对特征进行提取，提取出的特征具有更强的鲁棒性，从而大大的提高了检测结果，提高了工作效率，并节省监管成本、拓展监管维度、提高监管精度。

技术领域

本发明属于视频监控辨别着装的技术领域，具体涉及一种通过监控视频自动判断着装规范的方法。

背景技术

大型工厂中往往需要规范着装，头部的着装对工厂的生产安全影响至关重要。尤其是在化工、食品的领域。在化工领域，头部着装可以降低坠落物对作业人员的危害；在食品安全领域，作业人员往往需要佩戴口罩、帽子，规范统一着装可以隔绝食品污染，对食品的卫生安全影响重大。由此可见，规范着装对生产安全的重要性，尤其是头部规范着装。然而，目前规范着装的监控仅靠人力，监管力度可操控空间最大，监管工作耗时耗力，效率低下。

传统的监管方式是安排大量的工作人员实时的对监控视频进行监督，无论是在人力还是物力上都会是一个巨大的投入。也有采用传统图像处理的手段，使用颜色或者形状等特征进行检测判断，但是厨房环境非常复杂，光线很容易受到烟雾等干扰，因此检测结果并不好。

发明内容

本发明的目的在于提供一种通过监控视频自动判断着装规范的方法，主要用于判断作业人员头部的着装是否规范，本发明通过摄像头在线采集作业人员的头部特征并生成图像；本发明通过深度学习的训练模型提取图像的特征，并判断作业人员的头部着装是否规范，若作业人员头部着装不规范，则输出报警信息；本发明使用深度学习的方式自动对特征进行提取，提取出的特征具有更强的鲁棒性，从而大大的提高了检测结果，提高了工作效率，并节省监管成本、拓展监管维度、提高监管精度。

本发明主要通过以下技术方案实现：一种通过监控视频自动判断着装规范的方法，主要用于判断作业人员头部的着装是否规范，主要包括以下步骤：

步骤A1：视频采集作业人员的着装特征，并生成图像；

步骤A2：采用深度学习的方法处理标记的作业人员着装的图像；提取作业人员的着装特征，选取最后一层作为特征提取的结果，并用softmax函数计算概率，输出计算得到的最大值，从而生成训练模型；

步骤A3：将步骤A1中生成的图像输入到步骤A2中生成的训练模型，若检测到作业人员的着装不符合设定的标准，则输出报警信息。

所述softmax函数为现有技术，故不再赘述。所述摄像头的架设方式、视频提取图像的方法均为现有技术，故不再赘述。所述深度学习的模型为现有技术且不是本发明的改进点，故不再赘述。

为了更好的实现本发明，进一步的，所述步骤A2主要包括以下步骤：

步骤A21：收集不同着装类型的作业人员的图像，并对该图像进行类型标记；将标记的作业人员着装的图像分成13×13的矩形块，并对每个矩形块采用聚类方法预测锚点框，所述锚点框的大小匹配不同检测物体的大小；

步骤A22：将分割后的矩形块输入一个多层卷积神经网络中，采用卷积神经网络提取图像特征，取出最后一层的特征，并输入softmax函数中，选定最大的概率值作为输出结果，从而生成训练模型。

为了更好的实现本发明，进一步的，所述步骤A1中将采集的视频转化为图像，所述图像分成若干个13×13的矩形块，并对每个矩形块采用聚类预测锚点框，锚点框的大小匹配不同检测物体的大小。