[发明专利]一种电网作业人员安全帽佩戴检测方法

说明书

本发明提供了一种电网作业人员安全帽佩戴检测方法，实时采集当前的施工场地人员的状态视频数据；针对采集的施工场地人员的状态视频数据进行匹配处理和安全帽佩戴特征的提取；针对通过匹配处理的施工场地人员进行视频跟踪，未通过匹配处理的施工场地人员放弃视频跟踪；若目标人员经安全帽佩戴特征检测为有效佩戴安全帽，则继续当前的目标施工人员视频跟踪；若目标人员经安全帽佩戴特征检测为未携带安全帽，记录目标人员的视频数据。本发明的一种电网作业人员安全帽佩戴检测方法，融合特征金字塔多层特征信息，基于深度学习的目标检测，处理速度快。

技术领域

本发明涉及图像检测领域，更具体地，涉及一种电网作业人员安全帽佩戴检测方法。

背景技术

在电网作业的安全管理中，对于工人安全帽佩戴的监管一直是必不可少的。安全帽作为一种个人头部防护用品，在电力施工作业中，是明令要求每个工人必须佩戴的。安全帽不仅可以承受和分散落物的冲击力，而且也可保护或减轻人员在髙处坠落头部先着地时的撞击伤害程度，甚至可以挽救一个人的生命。

胡恬等学者采用YCbCr色彩模型,用肤色定位人脸，然后向上扫描获取安全帽图像，利用小波变换进行图像预处理。再构建和训练BP(Back Propagation)神经网络进行安全帽识别。刘晓慧等学者采用同样的方法获取安全帽图像，然后将Hu矩作为图像的特征向量，再利用支持向量机(Support Vector Machine,SVM)实现安全帽的识别。于波等学者在传统背景差法基础上设计了加权时间均值背景模型，来进行背景建模和运动前景的提取。然后在特征提取时提出一种基于十六个方向Gabor小波特征和HOG(Histogram ofOriented Gridients)特征的安全帽特征提取方法，并经过SVM训练得到多项式分类器，以判断工人是否佩戴安全帽。并且使用基于颜色直方图的Mean Shift安全帽跟踪算法，实现了对未佩戴安全帽头部的跟踪。刘云波等学者利用背景差法从获取的视频图像中提取出前景，并对其进行二值化将运动目标分割出来，然后再根据运动目标的特征通过尺度滤波等方法区分其是否为代表人的运动目标，并对其进行跟踪和标记。最后通过检测目标1/3部分中的像素点色度值分布情况，来识别安全帽的颜色，以达到检测工人是否佩戴安全帽的目的。

基于上述研究成果，发现这些安全帽佩戴检测方法大多都是传统的目标检测方法，其大致流程都是：首先需要先进行背景建模和运动前景提取(阴影检测和去除)等预处理过程。然后进行区域选择，定位到头部，再进行安全帽特征的提取，最后通过分类器进行分类，判断工人是否佩戴安全帽。而且大多研究没有进行跟踪模块的设计，仅有的跟踪技术的研究使用的也是传统的生成模型跟踪方法。

本文提出一种基于改进Faster R-CNN的安全帽佩戴检测方法，利用深度卷积神经网络中固有的特征金字塔，设计一种融合特征金字塔多层特征信息的安全帽佩戴检测算法，在Faster R-CNN和VGG16上进行了设计和实现，并文成了检测模型的训练和测试。

发明内容

为解决上述现有技术的中的不足，本发明的目的在于提供一种电网作业人员安全帽佩戴检测方法，融合特征金字塔多层特征信息，基于深度学习的目标检测，处理速度快。

本发明提供了一种电网作业人员安全帽佩戴检测方法，包括如下：

步骤S1，实时采集当前的施工场地人员的状态视频数据；

步骤S2，针对采集的施工场地人员的状态视频数据进行匹配处理和安全帽佩戴特征的提取；

步骤S3，针对通过匹配处理的施工场地人员进行视频跟踪，未通过匹配处理的施工场地人员放弃视频跟踪；

步骤S4，若目标人员经安全帽佩戴特征检测为有效佩戴安全帽，则继续当前的目标施工人员视频跟踪；

步骤S5，若目标人员经安全帽佩戴特征检测为未有效佩戴安全帽，则警示目标人员按照要求有效佩戴安全帽；