[发明专利]一种基于深度学习的施工工地图像安全帽检测方法

说明书

本发明公开了一种基于深度学习的施工工地图像安全帽检测方法。本发明首先通过深度学习的目标检测方法检测到施工人员目标区域，获得该人员目标图像区域后，截取该区域的上1/3部分的图像，然后将上1/3部分的图像使用深度学习中的迁移学习方法进行安全帽分类网络的训练，判断该图像部分是否包含安全帽的信息，如果分类为安全帽，则图像中该人员佩戴了安全帽，否则图像中该人员未佩戴安全帽。本发明方法能满足安全帽检测的准确性要求，具有较大的使用价值。

技术领域

本发明涉及施工工地是否佩戴安全帽的检测方法，具体涉及一种基于深度学习的施工工地图像安全帽检测方法。

背景技术

施工工地作业人员的工作时常伴随着安全隐患，安全帽作为一种个人头部防护用品，能有效地防止和减轻操作人员在生产作业中遭受坠落物体或自己坠落时对头部的伤害。作业人员佩戴安全帽工作是一种必要的安全措施，这能在一定程度上保障施工人员的人身安全，因此，对施工现场的施工人工要求进行安全帽的佩戴具有重要的意义。对进出施工现场的施工人员进行监控，并在发现没带安全帽的工人及时发出告警，能实现资源的合理分配和人员的有效管理，并能尽可能的保障施工人员的安全。然而目前施工现场对安全帽佩戴情况的监控大多依赖于人工的监视，尚未形成一个良好的自动监控系统，人工监视不能时时刻刻的检查，因此会造成一些疏忽现象。

传统的安全帽检测方法，采用的是背景建模方法来检测人体区域，这种方法容易受环境的影响，当环境不太稳定时，会造成较多的误检测情况。同时在对安全帽的检测采用的是颜色检测方法，这在安全帽颜色与背景环境颜色比较接近的情况下，很容易造成误检，导致安全帽佩戴的检测结果准确度不高。

本文针对施工工地安全帽检测这一需求，提出一种完全基于深度学习的安全帽佩戴情况的监控方法，该方法的行人识别与定位、是否佩戴安全帽都是通过神经网络算法来检测的，其可自动对施工现场施工人员的安全帽佩戴情况进行视频监控。本文的检测流程分为两步，首先是采用行人检测算法进行施工人员的检测，然后是对被检测到的人员的头部使用二分类算法进行分类，判断其是否佩戴安全帽。

发明内容

针对施工工地需要统计和监控工人佩戴安全帽的情况，为了解决施工工地安全帽检测准确率的问题，本发明提供了一种基于深度学习的施工工地安全帽检测方法，识别方法简单，方便工程应用集成，能够很大程度上提高安全帽佩戴的检测结果的准确度。

本发明所采用技术方案包括如下步骤：

1)采用已经标注信息区域的施工现场的视频图像，视频图像标注的信息区域分为人体区域和背景区域，图像中有行人的区域框定为正样本，其余为负样本区域；将所有视频图像构建为训练数据，将训练数据输入到深度学习目标检测网络进行训练，使用该训练好的深度学习目标检测网络对图像进行人体区域检测，如果检测到人体区域，将人体区域的上部1/3作为人体头部区域；

所述的视频图像中包含有人戴安全帽或者人未戴安全帽的图像。

2)构建佩戴安全帽和未佩戴安全帽的图像数据集，构建用于检测是否佩戴安全帽的深度学习分类网络，将图像数据集输入到深度学习分类网络进行训练；如果步骤2)得到了人体头部区域，使用训练好的深度学习分类网络对步骤1)中的人体头部区域进行深度学习分类检测，判断人体头部区域中的是否存在佩戴安全帽的情况，从而实现施工现场图像中的安全帽检测。

本发明的安全帽检测为两个模型的结合，通过训练得到对人体进行位置检测的模型，如果得到了人体区域后，将该区域的上1/3部分作为人体头部区域，使用训练得到的对佩戴安全帽的头部区域以及未佩戴安全帽的头部区域进行分类的深度学习网络对得到的人体头部区域进行分类。