[发明专利]一种基于卷积神经网络检测值班人员睡觉行为的方法

说明书

本发明公开一种基于卷积神经网络检测值班人员睡觉行为的方法，包括：1、收集睡觉的人物照片，作为正样本图片集；收集没有睡觉的人物图片，作为负样本图片集。2、使用YOLO v3算法便利正负样本图片集，获取人物区域，形成正负样本数据集。3、将正负样本数据集划分为训练数据集和测试数据集。4、基于ShuffleNet v2模型构建卷积神经网络。5、使用训练数据集训练卷积神经网络模型。6、将训练好的卷积神经网络模型部署在视觉分析系统中，分析视频监控设备采集的视频流数据，检测值班人员睡岗情况。上述技术方案针对睡觉行为的特性，融合了目标检测技术和基于卷积神经网络的行为识别技术，保证了分析结果的准确有效。

技术领域

本发明涉及人员行为分析技术领域，具体涉及一种基于卷积神经网络检测值班人员睡觉行为的方法。

背景技术

在石油化工行业，安全生产直接关系到每一位员工的生命财产，关系到企业的存亡和发展。目前，各相关企业已经实现了厂区视频监控的全方位覆盖，同时，设置值班室，配备相应的值班人员，力图通过人防结合技防的方式，建立有效的安全生产机制。在大型厂区，由于区域面积大，值班人员负责的视频监控设备数量多，增加了工作强度。尤其是夜间，值班人员很难保证一直处于正常的工作状态，基于侥幸心理，在岗睡觉，疏于职守，可能会带来巨大的安全隐患。

目前常见的做法是安排巡查人员，不定期检查各个值班室内的工作情况。这种方式耗时费力，不但造成人力浪费，而且效率非常低，无法彻底杜绝意外情况。

因此，需要一种高效的值班人员状态监测系统，能够替代人工监察的方式，对值班人员睡岗情况进行实时监测，当发现有睡岗行为发生时，自动报警，提高管理人员及时处理，防止意外发生。

发明内容

本发明的目的在于提供一种基于卷积神经网络检测值班人员睡觉行为的方法，用于自动监测化工园区值班人员是否存在睡岗行为。目前，基于卷积神经网络进行行人检测的技术已经相当成熟，不过在人员行为分析技术领域，由于人类行为的多样性和环境的复杂性，依靠卷积神经网络还很难满足实际需求。本发明针对睡觉这类特定行为，创新性地融合了已有的目标检测技术和卷积神经网络在行为识别领域的优势，从而能够通过视频监控设备迅速准确地识别睡岗人员。

为实现上述目的，本发明提供了一种基于卷积神经网络检测值班人员睡觉行为的方法，具体包含以下步骤：

步骤(1)、收集睡觉的人物照片，包括不同俯视角度下的趴在桌上睡觉、背靠椅子睡觉等各种睡姿，作为正样本图片集；收集没有睡觉的人物图片，包括不同俯视角度下的站姿、坐姿等，作为负样本图片集。

步骤(2)、使用YOLO v3算法便利正负样本图片集，获取人物区域，提取出只包含人物区域的图片，形成正负样本数据集。

步骤(3)、将正负样本数据集划分为训练数据集和测试数据集。

步骤(4)、基于ShuffleNet v2模型构建卷积神经网络。

步骤(5)、使用训练数据集训练卷积神经网络模型，输入正样本，该网络的输出为1，输入为负样本，则该网络的输出应为0。训练过程中，每当完成一次对整个样本集的迭代，即用测试数据集对卷积神经网络模型进行测试，当检测准确率达到精度要求时，则训练完成。

步骤(6)、将训练好的卷积神经网络模型部署在视觉分析系统中，分析视频监控设备采集的视频流数据，检测值班人员睡岗情况。具体包括如下：

步骤(6-1)、获取值班室监控设备的实时视频流数据，对数据解码得到序列帧数据。

步骤(6-2)、对帧数据进行图像处理，输入到YOLO v3算法，检测出画面中的人物及坐标信息。