[发明专利]一种施工现场安全帽穿戴自动检测方法及系统

说明书

本发明公开了一种施工现场安全帽穿戴自动检测方法及系统，包括：实时获取施工现场监控视频，检测监控视频中的所有人脸，获得每个人脸的边界框；基于人脸追踪算法追踪监控视频中后续帧人脸的边界框，并执行人脸关键点检测算法，检测获得的人脸关键点，同时使用当前人脸关键点检测结果的人脸边界框矫正人脸追踪算法的矩形框；基于人脸关键点的检测结果和PnP算法，求得人脸欧拉角；检测和追踪人脸，以该人脸获得的最好欧拉角的安全帽区域作为安全帽的候选区域，使用安全帽识别算法判定安全帽的候选区域内是否存在安全帽；本发明将近人脸检测与安全帽检测识别系统相结合，从而为安全帽的识别提高可靠性。

技术领域

本发明涉及安全帽智能检测领域，具体地，涉及一种施工现场安全帽穿戴自动检测方法及系统。

背景技术

生产建筑工地发生的大部分安全事故都与工人违反规定有关。坠落、撞击物体、坍塌和吊装损坏是致命事故的四大类型。而且，坠落和被物体撞击是最常见的致命事故类型，占总体的68％以上。但是，由于施工现场地域分布广，设备众多，环境复杂，操作量大，安全监督有限，难以实现生产施工现场的实时全程安全管理。

最近进行的相关研究主要集中在通过识别安全帽的颜色信息等来达到监控工人是否佩戴安全帽。Waranusast使用KNN对从安全帽检测图像中提取的形状和颜色信息进行分类，平均准确度为74％。Hao提出了一种基于颜色的混合描述符用于安全帽识别，该方法安全帽识别的平均准确率为90.3％。Kang开发了一种变电站场景下的安全帽佩戴检测框架，可以根据色彩空间变换和颜色特征识别确定是否佩戴安全帽。

以上的方法主要基于传统计算机视觉方法，而且有些方法基于颜色信息进行安全帽识别，这些方法检测的准确度较低，本文提出的基于深度学习的方法准确度能够大于99％。而且，安全帽识别中非常有意义的工作之一必须确定其载体(即人)，如果仅仅检测安全帽在很多实际场合意义不大，而有的方法即使在检测安全帽时检测了载体人，但目前主要基于行人检测的方法，无法实施人的识别。

发明内容

本发明提供了一种施工现场安全帽穿戴自动检测方法及系统，本发明将近人脸检测与安全帽检测识别系统相结合，从而为安全帽的识别提高可靠性。

本发明提出的基于人脸检测的方法，不但检测了安全帽，同时为识别其载体人提供了条件一方面，人脸检测技术更加成熟，而且基于人脸的检测可以为后期未穿戴安全帽人员的识别取证提供基础，另一方面，现场安全帽检测必须以人为载体才有意义。本发明构建了一个实用的检测识别方法及系统，包括多人脸识别与追踪，安全帽检测框快速定位和基于人工智能的安全帽识别方法，构建的检测方法侧重于实时追踪整个视频中工人并检测工人是否佩戴安全帽。

为实现上述发明目的，本申请一方面提供了一种施工现场安全帽穿戴自动检测方法，所述方法包括：

实时获取施工现场监控视频，检测监控视频中的所有人脸，获得每个人脸的边界框，并为每个人脸分配相应的ID；

基于人脸追踪算法追踪监控视频中后续帧人脸的边界框，并执行人脸关键点检测算法，检测获得的人脸关键点，同时使用当前人脸关键点检测结果的人脸边界框矫正人脸追踪算法的矩形框；

基于人脸关键点的检测结果和经典的视觉PnP算法，求得人脸欧拉角，PnP算法为N点透视问题算法，PnP算法用于求欧拉角，是经典的计算机视觉算法；

追踪某个人脸直到人脸离开摄像头监控的区域或该人脸在监控区域内达到一个时间上限，则放弃该人脸，重新检测和追踪人脸；同时以该人脸获得的最好欧拉角(即三个方向的欧拉角均不大于15度的欧拉角)的安全帽区域作为安全帽的候选区域，使用安全帽识别算法判定安全帽的候选区域内是否存在安全帽。