[发明专利]一种基于深度学习的安全帽佩戴检测系统及方法

说明书

本发明涉及图像识别技术领域，具体涉及一种基于深度学习的安全帽佩戴检测系统及方法，所述系统包括：一数据获取模块、一人体检测模块、人体检测结果分析模块、图像分割模块、一安全帽检测模块、一预警模块以及一模型训练模块；所述方法包括：步骤S1，安全帽佩戴检测系统于监控设备处获取监控图像；步骤S2，安全帽佩戴检测系统对监控图像进行人体目标检测，并得到人体目标检测结果；步骤S3，安全帽佩戴检测系统对存在于人体目标检测结果中的各人体图像进行安全帽识别检测，以判断各人体图像中是否存在安全帽，并得到安全帽检测结果，本发明可以降低漏检，提高人体检测的准确性以及安全帽检测的准确性。

技术领域

本发明涉及一种图像识别技术领域，尤其涉及一种基于深度学习的安全帽佩戴检测系统及方法。

背景技术

在工地，车间，码头等地方，工人们需要佩戴安全帽以防止物品掉落导致工人受伤，但往往工人们会因为各种原因而未佩戴安全帽，为了提高生产安全性，保护工人的生命安全，需要具有一种有效的监控和管理方法来监督工人们佩戴安全帽。

现有技术中，通常采用以下方法对工人是否佩戴安全帽进行自动识别检测：

现有技术中存在的安全帽检测系统采用卷积神经网络直接对获取到的监控图片中的工人、安全帽和安全带进行检测，而后根据安全帽、安全带与人体之间的相互关系判断是否正确佩戴安全帽以及是否系好安全带。这种方法直接从图像中检测安全帽，由于安全帽较小，同时无丰富的纹理信息，安全帽检测的准确率较低。另外，监控设备一般向下俯拍，有些时候因为受到外部因素干扰，拍摄的人体头部并不明显，或者人体头部完全被安全帽遮挡，此时采用卷积神经网络通过计算人体头部和安全帽的重叠率，由此判断工人是否将安全帽佩戴到头部位置显然已无法实现。

发明内容

为了解决以上技术问题，本发明提供了一种基于深度学习的安全帽佩戴检测系统，本检测系统综合人体目标检测方法和安全帽颜色信息检测方法，可对监控图像中的工人是否合规佩戴安全帽进行有效检测，可以有效降低监控图像中因存在人体遮挡时或人群中人与人之间存在虚检时对安全帽的漏检。

本发明所解决的技术问题可以采用以下技术方案实现：

一种基于深度学习的安全帽佩戴检测系统，包括：

一数据获取模块，用于于监控设备处获取监控图像；

一人体检测模块，连接所述数据获取模块，于所述人体检测模块中预设有一人体目标检测模型和一人体骨骼关键点检测模型，所述人体检测模块用于基于所述人体目标检测模型对所述监控图像进行人体目标检测，并得到一人体目标检测结果；

所述人体检测模块还用于基于所述人体骨骼关键点检测模型对所述人体目标检测结果中存在的人体图像进行人体骨骼关键点检测，并得到一人体骨骼关键点检测结果；

人体检测结果分析模块，连接所述人体检测模块，用于结合所述人体目标检测结果和所述人体骨骼关键点检测结果，经综合分析得到一人体检测结果；

图像分割模块，连接所述人体检测结果分析模块，用于将存在于所述人体检测结果中的各个人体图像分割为关联于各所述人体图像的多张人体区域图片并保存；

一安全帽检测模块，连接所述图像分割模块，用于根据预设的安全帽检测模型对每一张所述人体区域图片中是否存在安全帽进行识别检测，并得到一安全帽检测结果；

一预警模块，连接所述安全帽检测模块，用于根据所述安全帽检测结果进行相应的提示报警。

优选的，所述安全帽佩戴检测系统还包括一模型训练模块，分别连接所述人体检测模块和所述安全帽检测模块，用于训练形成所述人体目标检测模型、所述人体骨骼关键点检测模型和所述安全帽检测模型，并将所述目标检测模型和所述人体骨骼关键点检测模型更新于所述人体检测模块中，以及将所述安全帽检测模型更新于所述安全帽检测模块中。