[发明专利]基于深度学习的安全帽识别方法和系统

说明书

本发明公开了一种基于深度学习的安全帽识别方法，包括：S1：采集若干个人员图像数据，根据设定的标注筛选规则以标注和筛选出符合要求的头部信息，得到头部信息数据集，所述头部信息的类别至少包括戴安全帽的头部信息和未戴安全帽的头部信息两种；S2：将所述头部信息数据集作为卷积神经网络模型的训练集，得到用于对检测区域人员进行安全帽佩戴状态识别的安全帽识别模型，所述安全帽佩戴状态包括佩戴安全帽和未佩戴安全帽。本发明能够有效进行安全帽识别，减少识别时间，提高识别效率，切实提升安全帽识别的准确率；并且相比于传统的目标检测的神经网络，本发明中的神经网络训练过程可以更快进行收敛，获得明显的效果提升。

技术领域

本发明涉及安全帽识别技术领域，具体而言涉及一种基于深度学习的安全帽识别方法和系统。

背景技术

随着深度学习技术的发展，基于深度学习的卷积神经网络在目标检测中应用已经日趋成熟。但同时，由于数据采集方式、数据质量以及数据集标注方式的不同，算法模型的预测准确度以及逻辑判定的复杂度也不尽相同。如何通过一种有效的方式合理的标注数据，训练出高效率的神经网络是算法模型能够成功被训练出来的关键。

发明内容

本发明目的在于提供一种基于深度学习的安全帽识别方法和系统，直接对人员的头部进行标记，得到的头部信息数据集被标记为两类：戴安全帽、未戴安全帽，将头部信息数据集作为卷积神经网络模型的训练集，得到用于对检测区域人员进行安全帽佩戴状态识别的安全帽识别模型，所述安全帽佩戴状态包括佩戴安全帽和未佩戴安全帽两种。本发明能够有效进行安全帽识别，减少识别时间，提高识别效率，切实提升安全帽识别的准确率；并且相比于传统的目标检测的神经网络，本发明中的神经网络训练过程可以更快进行收敛，获得明显的效果提升。

为达成上述目的，结合图1，本发明提出一种基于深度学习的安全帽识别方法，所述识别方法包括：

S1：采集若干个人员图像数据，根据设定的标注筛选规则以标注和筛选出符合要求的头部信息，得到头部信息数据集，所述头部信息的类别至少包括戴安全帽的头部信息和未戴安全帽的头部信息两种。

S2：将所述头部信息数据集作为卷积神经网络模型的训练集，得到用于对检测区域人员进行安全帽佩戴状态识别的安全帽识别模型，所述安全帽佩戴状态包括佩戴安全帽和未佩戴安全帽。

基于前述基于深度学习的安全帽识别方法，本发明还提及一种基于深度学习的安全帽识别系统，所述识别系统包括以下模块：

(1)用于采集若干个人员图像数据的模块。

(2)用于根据设定的标注筛选规则以标注和筛选出符合要求的头部信息，得到头部信息数据集的模块，所述头部信息的类别至少包括戴安全帽的头部信息和未戴安全帽的头部信息两种。

(3)用于将所述头部信息数据集作为卷积神经网络模型的训练集，得到用于对检测区域人员进行安全帽佩戴状态识别的安全帽识别模型的模块，所述安全帽佩戴状态包括佩戴安全帽和未佩戴安全帽。

(4)用于将安全帽识别模型集成至指定项目中的模块。

传统安全帽识别方法中，选标目标的方式为优先识别行人，之后再进行安全帽的识别，传统方案的检测的速度以及检测的准确度都不是很理想。本发明通过直接对人员的头部进行标记，将数据集标记为两类：戴安全帽，未戴安全帽，既有利于网络对两类数据集特征进行选择以提高准确率，也减少了传统安全帽识别的步骤，提高了程序的运行速度。

以上本发明的技术方案，与现有相比，其显著的有益效果在于：

1)能够有效进行安全帽识别，减少识别时间，提高识别效率，切实提升安全帽识别的准确率。

2)相比于传统的目标检测的神经网络，本发明中的神经网络训练过程可以更快进行收敛，获得明显的效果提升。