[发明专利]施工场景中安全帽佩戴情况的检测及描述方法

说明书

本发明提供了一种施工场景中安全帽佩戴情况的检测及描述方法，本发明对工人安全帽佩戴情况采用图像及自然语言处理的方法进行检测和描述。在图像描述方面由于当前基于神经网络的图像描述方法缺乏可解释性且细节部分描述不充分，同时施工场景图像描述的研究较为匮乏，本发明采用YOLOv3目标检测算法，以及基于规则和模板相结合的方法生成安全帽佩戴的描述语句。使用K‑means聚类初始化锚框参数值，然后在自制数据集上进行训练与检测，最后根据预定义的规则结合语句模板生成安全帽佩戴的图像描述。本发明在检测效率方面具有明显的优势，同时生成的描述较为准确，可以达到降低事故发生率的目的。

技术领域

本发明涉及图像理解技术领域，特别是涉及一种施工场景中安全帽佩戴情况的检测及描述方法。

背景技术

近年来，随着我国城市化进程的日益加快，基础建设的不断发展，施工事故频繁发生。变电站，化工厂，矿山工作区等施工场景较为复杂，存在一定的危险因素，工人的不安全行为易引发事故，造成人员伤亡和经济损失。在施工现场，安全帽是生命的保障，工人佩戴安全帽符合行为规范的要求，安全帽的佩戴可在一定程度上降低工人的作业风险。为保障工作人员的人身安全，降低因未佩戴安全帽而造成的事故发生率，对于施工人员的安全帽佩戴问题的行为描述尤为重要。

图像描述，是在图像识别的基础上，运用自然语言处理的方法表达出图片中的内容，是对图像识别的进一步认识。在施工场景中，对工人佩戴安全帽的图像描述的研究，有着重要的意义及应用价值。

目前图像描述方法所生成的描述大多是对图像的全局描述，易丢失细节信息，缺乏一定的准确率。对于施工场景的图片而言，从施工人员的安全帽佩戴方面生成图像描述，是分析该施工现场情况的基础，从而进一步判断施工的安全性和可操作性，以排除安全隐患。当今现有的关于安全帽佩戴的研究，是针对图像识别这一任务进行的。无论是利用传统算法还是深度学习技术对安全帽的佩戴进行检测，均已取得了可观的研究成果，但存在一定的局限性，即尚未使用自然语言对作业人员的安全帽佩戴情况进行描述。

发明内容

本发明所要解决的技术问题是：为了克服现有技术中的不足，本发明提供一种施工场景中安全帽佩戴情况的检测及描述方法，采用YOLOv3目标检测算法，以及基于规则和模板相结合的方法生成安全帽佩戴的描述语句，可以更精确的判断和用语句描述施工人员的在施工过程中是否佩戴了安全帽，以排除安全隐患，提高施工场景中的安全系数，同时其精确的检测效果和高效的检测速度也可为智能监控机器人提供理论支撑。

本发明解决其技术问题所要采用的技术方案是：一种施工场景中安全帽佩戴情况的检测及描述方法，包括以下步骤：

S1：数据集的制作

通过网络爬虫技术搜集图片、自行现场采集图片等方式展开数据集的图像采集工作。所采集的数据囊括各种背景条件、不同分辨率、不同质量的施工场所关于安全帽佩戴的图片，含有佩戴安全帽的施工人员和未佩戴安全帽的施工人员。图片总量共达5000张，数据集的丰富性得到一定的保证，包含各种场景条件，能够较为完备的反映真实场景的情况。数据集的制作步骤分为两步：

S1.1：安全帽佩戴检测数据集制作

按照Pascal VOC2007公共数据集的标注格式使用开源标注工具LabelImg对图片样本进行多标签标注，自动生成相应的xml格式标注文件，其中包含对象名和真实边界框的坐标信息。标注的目标类别为：人(man)、安全帽(helmet)以及人戴安全帽(manwearhelmet)。

S1.2：安全帽佩戴图像字幕数据集制作方法为：对步骤S1.1标记过的数据集进行语句标注。采用自编程标注软件和人工标注相结合的方式，字幕数据集标注分为：

S1.2.1：利用自编程标注软件，读取每张图片的名称以及尺寸信息(宽和高，单位像素)，并赋予每张图片唯一的图片id号；