[发明专利]一种基于深度特征和视频目标检测的安全帽佩戴检测方法

说明书

本发明公开了一种基于深度特征和视频目标检测的安全帽佩戴检测方法，包括以下步骤：视频数据采集；数据标注：针对Step 1采集的数据进行人工标注；数据集准备：数据集组成包括划分后的训练集、测试集以及验证集，每一个集合中包含的是原始视频对应的图片，特别的训练集和验证集还包含每一张图片对应的标注数据；网络构建和训练：对输入视频中的关键帧提取特征，将关键帧提取的特征传递给不同的相邻帧；利用光流将关键帧特征传递并复用给当前帧的特征；目标分类和位置框预测；网络训练：每个感兴趣区域的损失函数为交叉熵损失与边界框回归损失的和。

技术领域

本发明涉及一种基于深度特征和视频目标检测的安全帽佩戴检测方法，尤其涉及一种施工场景下的安全帽佩戴检测方法。

背景技术

实际的施工场景下安全事故频发，造成大量的人员和财产损失。安全帽能够有效的保护施工人员的头部，特别是减少可能存在的高空坠物带来的伤害程度。施工人员是否安全帽检测以及后续的跟踪报警对于安全生产意义重大。在工地监控中，主要依靠人力观察监视画面或安排人员定期巡查来检测安全帽的佩戴情况，大规模工地需要相当数量的监控人员才能实现所有的监视画面或巡查较大的施工区域，存在严重的人力浪费，监控人员也会因为疲劳遗漏异常画面。因此，需要一个有效的低人力成本且结果准确的检测方法来发现施工人员未佩戴安全帽就上岗作业的现象并及时报警。

随着计算机视觉技术的不断发展，基于视频分析的安全帽检测也受到越来越多人的关注。经过检索，中国专利申请，申请号201610641223.5，公开日2017年1月4日，公开了一种基于视频分析的人员安全帽佩戴情况实时检测方法，首先从监测区域的摄像头中实时读取采集到的视频帧，然后对当前帧的图像利用检测器进行分类以识别人体上半身，定位检测到的人体目标的上半身最高点位置并以最高点为基准点提取相应的区域，最后根据颜色特征判断该图像区域的颜色从而判断被检测人员是否佩戴安全帽。另外，中国专利申请号201610778655.0，公开日2017年2月1日，通过训练人体位置模型提取安全帽所在区域，训练人头安全帽联合检测模型检测区域判断是否佩戴安全帽。现有的安全帽检测方法主要都是首先提取头部区域在设计不同的算法检测区域中是否含有安全帽，这类方法一定程度上能够降低背景环境对安全帽检测的影响，但是提取人体头部区域需花费较多的时间，影响了检测的实时性；基于安全帽颜色来判断是否佩戴安全帽，缺乏鲁棒性，不能适应复杂的环境。

发明内容

针对以上问题，本发明提供了一种施工场景下基于视频的安全帽深度特征提取，施工场景下基于视频的不同颜色安全帽佩戴检测，施工场景下基于视频的安全帽检测实时性的基于深度特征和视频目标检测的安全帽佩戴检测方法。

为了以上问题，本发明采用了如下技术方案：一种基于深度特征和视频目标检测的安全帽佩戴检测方法，其特征在于，包括以下步骤：

Step1视频数据采集

基于施工现场摄像头采集的MP4格式的视频数据实现，数据采集的对象是施工现场佩戴或未佩戴安全帽的工作人员；

Step2数据标注

针对Step 1采集的数据进行人工标注；人工将输入视频每一帧中的安全帽通过最小外接矩形标出，记录该图像在视频序列中的帧号，记录框中目标的类别(如安全帽)，记录图片中最小外接矩形的左上角和右下角坐标；数据记录标注的格式与pascal voc格式相同；

Step3数据集准备

将原始视频按7:1:2的比例随机划分为训练集、测试集和验证集，以Step2中对应视频的标注图像数据分别替换训练集、测试集和验证集中的视频，替换时使用视频对应的所有标注视频帧替换原视频；最后的数据集组成包括划分后的训练集、测试集以及验证集，每一个集合中包含的是原始视频对应的图片，特别的训练集和验证集还包含每一张图片对应的标注数据；

Step4网络构建和训练

Step4-1特征提取