[发明专利]一种基于深度学习的施工现场人员制服穿着识别的方法

说明书

本发明公开了一种基于深度学习的施工现场人员制服穿着识别的方法，属于深度学习技术领域，本发明用深度学习算法对施工现场人员制服穿着情况进行识别。本发明和现有技术相比，可以提高识别的效率和准确度，快速精确的识别出施工现场的外来人员。

技术领域

本发明涉及深度学习技术领域，具体地说是一种基于深度学习的施工现场人员制服穿着识别的方法。

背景技术

由于如电力系统设施施工现场，建筑施工现场等等区域需要实时监测进入区域的人员是否为专业的工作人员。专业的工作人员一般穿着定制的制服予以分别。如果安排专门人员进行检查，会耗费大量的人力物力，识别的实时性和准确性也比较低，因此，需要一种识别制服的视频监控和检测方法。

近年来，特别是2009年以来，借助机器学习领域深度学习研究的发展，识别技术得到突飞猛进的发展。将深度学习研究引入到识别领域，极大提高了识别的准确率降低了人的工作量。

深度学习的概念源于人工神经网络的研究，由Hinton等人于2006年提出。2006年，加拿大多伦多大学教授、机器学习领域的泰斗GeoffreyHinton和他的学生RuslanSalakhutdinov在《科学》上发表了一篇文章，开启了深度学习在学术界和工业界的浪潮。这篇文章有两个主要观点：(1)多隐层的人工神经网络具有优异的特征学习能力，学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类；(2)深度神经网络在训练上的难度，可以通过“逐层初始化”(layer-wisepre-training)来有效克服，在文章中逐层初始化是通过无监督学习实现的。由此可见，深度学习的实质是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。

发明内容

本发明的技术任务是针对以上不足之处，提供一种基于深度学习的施工现场人员制服穿着识别的方法。

本发明解决其技术问题所采用的技术方案是：一种基于深度学习的施工现场人员制服穿着识别的方法，所述方法包括：

用深度学习算法对施工现场人员制服穿着情况进行识别。

进一步的，优选的方法：

S1、服务器采集施工现场的视频信息；

S2、对采集到的视频信息进行人工标记，标记穿着制服的工作人员与非工作人员；

S3、将人工标记后的数据用深度学习算法进行检索训练；

S4、对人工标记后的数据进行深度学习算法进行分类训练，生成CNN模型；

S5、实时获取施工现场的视频，利用CNN模型检索并识别出工作人员与非工作人员。

进一步的，优选的方法：

所述的服务器采集施工现场的视频信息，包括采集视频信息后，对视频信息数据按帧分割为多个图像数据。

进一步的，优选的方法：

所述的对采集到的视频信息进行人工标记，人工标记使用的工具为labelImg工具。

进一步的，优选的方法：

所述的将人工标记后的数据用深度学习算法进行检索训练包括，依照Faster R-CNN框架搭建神经网络模型，检索出施工现场工作人员轮廓，训练模型检测图像中人员的位置。

进一步的，优选的方法：

所述的对人工标记后的数据进行深度学习算法进行分类训练包括，使用ResNet-152-CNN卷积神经网络模型作为人员的分类模型，进行分类训练。

进一步的，优选的方法：