[发明专利]一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法

权利要求书

1.一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法，其特征在于，包括以下步骤：

S100根据实时多人姿态估计算法模型OpenPose检测并输出图像中的所有个体的身体骨架姿态；

S200根据深度学习目标检测算法模型YOLOv3检测出图像中的工人与安全帽，以两类矩形边框分别进行标识和输出；

S300整合两种算法模型，根据两类矩形边框的交面比、以及安全帽矩形边框的对角线长度和人物面部中心点到安全帽中心点长度的比对，判断图中工人是否佩戴安全帽，

在步骤S300中包括：

S310将OpenPose算法模型检测出的身体骨架姿态的姿态关键点与YOLOv3算法模型检测出的人体边框匹配，所述人体边框包括身体矩形边框和安全帽矩形边框；

S320遍历人体边框中的所有安全帽矩形边框，然后寻找和当前人体边框交面比最大的安全帽矩形框，交面比表达公式如下：

其中，Area_hat表示安全帽占网格面积，Area_person表示工人占网格面积；

S330判断交面比是否0.2，若是，则认为该工人存在佩戴安全帽的可能性，并执行步骤S340；否则，认定该工人没有配搭安全帽；

S340在OpenPose算法模型检测出的身体骨架姿态的姿态关键点中提取五个五官关节点；

S350根据五个五官关节点计算得出他们的中心点坐标C作为人体的面部关节点，计算得出安全帽矩形框的中心点坐标D；

S360设安全帽矩形边框的对角线为AB，判断线段AB与线段CD的大小，若AB≤CD，则判定该工人佩戴了安全帽；若AB＞CD，则判定该工人没有佩戴安全帽。

2.根据权利要求1所述的一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法，其特征在于，步骤S100中包括：

S110将一张图片输入到一个卷积神经网络，输出特征图；

S120将特征图分别输入级联网络结构中的两个分支中，并分别预测出一组关于身体各部分信息的二维置信度映射S^t，和一组关于身体各部分亲和度的二维向量场L^t；

S130通过S^t和L^t的信息，将所有的肢体与关键点结合起来，最终得到所有个体的身体骨架姿态，T表示实施的阶段数。

3.根据权利要求2所述的一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法，其特征在于，在步骤S100中，OpenPose采用部分亲和字段PAF机制检测得到所有个体的身体骨架姿态。

4.根据权利要求3所述的一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法，其特征在于，所述身体骨架姿态中包含有若干个人体关键点，每个人体关键点即为一个身体关节部位。

5.根据权利要求1所述的一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法，其特征在于，步骤S200中包括：

S220所述YOLOv3算法模型采用多尺度检测的方法，采用9个尺寸的先验框，为每种下采样尺度设定3种先验框；

S230在每个尺度上的特征图采样，并与不同尺度的特征图堆积；

S240通过卷积核的方式实现不同尺度特征图之间的局部特征融合；

S250在多个尺度的融合特征图上分别做独立检测，每个尺度特征图的对应的网格输出的是深度为3×(1+4+C)的张量，其中，3代表每个尺度网格3种先验框，1代表网格是否存在目标对象的置信度，4代表预测边框的坐标，C为目标检测任务的类别数量。

6.根据权利要求5所述的一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法，其特征在于，在步骤S220前还包括：

S210采用leaky ReLU作为激活函数并且采用端到端的方法对YOLOv3算法模型进行训练。

7.根据权利要求1所述的一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法，其特征在于，步骤S300后还包括：

S400若判定该工人没有佩戴安全帽，则在该工人四周输出红色人物边框；

S500自动警告施工人员及时佩戴安全帽。