[发明专利]一种安全帽佩戴识别方法及装置有效
申请号: | 201810250703.8 | 申请日: | 2018-03-26 |
公开(公告)号: | CN108537256B | 公开(公告)日: | 2021-09-17 |
发明(设计)人: | 李党;谢静;张智鹏;余旭;赵雪鹏;王军 | 申请(专利权)人: | 北京智芯原动科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06K9/20;G06K9/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100101 北京市朝阳区北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 安全帽 佩戴 识别 方法 装置 | ||
1.一种安全帽佩戴识别方法,其特征在于,该方法包括:
第一步骤,采用第一摄像机采集第一场景图像,对第一场景图像进行人体检测,获取人体检测区域;
第二步骤,根据人体检测区域,获取候选区域,对候选区域进行颜色识别,如果识别的颜色符合设置的颜色,则将人体检测区域的坐标位置发给第二摄像机并转入第三步骤,否则输出未佩戴安全帽;
第三步骤,根据人体检测区域的坐标位置,采用第二摄像机获取第二场景图像,对第二场景图像进行人脸检测,获取人脸检测区域;
第四步骤,选取佩戴安全帽的样本图像,对深度学习网络进行训练,获取佩戴识别模型;
第五步骤,采用佩戴识别模型,对人脸检测区域进行佩戴识别,输出佩戴识别结果;
进一步地,所述第四步骤包括:
训练样本选取步骤,选取标注正确佩戴安全帽图像为正样本图像,选取标注非正确佩戴安全帽图像为负样本图像;
样本初步训练步骤,将正样本图像和负样本图像进行灰度化处理,并将其缩放到固定宽度和固定高度,采用深度学习网络对经过灰度化和缩放处理的正样本图像和负样本图像进行训练,获得初步训练的佩戴识别模型;
测试样本选取步骤,选取正样本图像和负样本图像作为测试图像;
样本二次训练步骤,将测试图像进行灰度化处理,并将其缩放到固定宽度和固定高度,采用初步训练的佩戴识别模型对经过灰度化和缩放处理的测试图像进行反复训练,直至佩戴识别模型收敛。
2.如权利要求1所述的方法,其特征在于,所述第一摄像机为焦距不小于3.6mm的彩色摄像机,安装高度位于1.8~5米,安装俯视角度小于50°。
3.如权利要求1所述的方法,其特征在于,所述第二步骤包括:
候选区域获取步骤,采用人脸检测方法或者头肩检测方法,从人体检测区域中提取人脸区域或者头肩区域,从人脸区域或者头肩区域的上半部分区域选取候选区域,候选区域与人脸区域或者头肩区域的高度比值、宽度比值分别为第一阈值、第二阈值;
颜色识别步骤,对候选区域的颜色进行识别;
颜色识别结果输出步骤,如果候选区域的颜色符合设置的颜色,则将人体检测区域的坐标位置发给第二摄像机并转入第三步骤,否则输出未佩戴安全帽。
4.如权利要求3所述的方法,所述第一阈值的取值范围为0.15~0.4,所述第二阈值的取值范围为0.15~1。
5.如权利要求1所述的方法,其特征在于,所述第二摄像机为PTZ摄像机。
6.如权利要求5所述的方法,所述固定宽度的取值范围为16~256,所述固定高度的取值范围为16~256。
7.如权利要求1所述的方法,其特征在于,所述第五步骤包括:将人脸检测区域缩放到固定宽度和固定高度,利用训练好的佩戴识别模型对缩放后的人脸检测区域进行识别,输出识别结果。
8.如权利要求1所述的方法,其特征在于,所述第五步骤包括:分别将N帧人脸检测区域缩放到固定宽度和固定高度,利用训练好的佩戴识别模型对每帧缩放后的人脸检测区域进行识别,输出N帧识别结果;对N帧识别结果进行统计,选取识别结果数量最多的作为佩戴识别结果输出;
其中,所述N的取值大于1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京智芯原动科技有限公司,未经北京智芯原动科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810250703.8/1.html,转载请声明来源钻瓜专利网。