[发明专利]一种通过工地视频流检测未佩戴安全帽人员的方法

说明书

本发明公开了一种通过工地视频流检测未佩戴安全帽人员的方法，主要步骤为：1)提取t时间内待检测区域监控设备的视频流，并建立训练样本集；2)建立YOLO网络模型；3)对YOLO网络模型进行训练，得到训练后的YOLO网络模型；4)将待检测图像输入到训练后的YOLO网络模型中，检测待检测区域内作业人员是否佩戴安全帽。本发明以视频流为基础，可以智能检验未佩戴安全帽的人员。

技术领域

本发明涉及计算机视觉及模式识别领域，具体是一种通过工地视频流检测未佩戴安全帽人员的方法。

背景技术

在建筑施工的场地中，尤其是在高层建筑施工场地中，任何高空掉落的物品都会对处于下方施工的建筑工人的人身安全造成极大威胁。在这种情况下，安全帽可以起到极大的防护作用。它可以有效承受并分散落物的冲击力，防止不必要的人员伤亡。在建筑工人不慎高空坠落的情况下，也可减轻人员坠落头部先着地时的撞击伤害程度。总之，安全帽极大增加了建筑施工人员的生命安全保障系数。某种意义上，也保障了工期的按时完成和工程的项目盈利。

当前情况下，在施工场地中，为防止因为施工人员未佩戴安全帽产生人员伤亡事故，施工方采用工地入口处标语和门岗检查等方式进行一定的督导，同时工地的安全员会在工地巡回检测各种不安全行为，并且管理人员会通过设置在各处的摄像头进行未佩戴安全帽行为的检测。某些工地采用RFID的形式进行安全帽的佩戴检测。然而，这些方案都存在着各自不同的问题。门岗检测仅仅在入口处生效，安全员不能够同时监督工地的全部施工地点。RFID仅能保证安全帽在工作人员身边，不能保证施工人员佩戴安全帽。而摄像头允许管理人员同时监控工地的多个角落，但是识别未佩戴安全帽的不安全行为的责任仍然依赖于管理人员的肉眼识别。要求管理人员全天候通过摄像头排查未佩戴安全帽的人员的做法是不科学也是不现实的。

近年来，计算机视觉在许多领域取得了不小的进展。这为解决施工场地安全帽检测问题提供了新的思路。然而，截至目前，仍未出现一个采用计算机视觉技术解决该问题的成熟系统。

发明内容

本发明的目的是解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，一种通过工地视频流检测未佩戴安全帽人员的方法，主要包括以下步骤：

1)提取t时间内待检测区域监控设备的视频流，并建立训练样本集。

进一步，建立训练样本集的主要步骤如下：

1.1)提取t时间内待检测区域监控设备的视频流。

1.2)从所述视频流中逐帧截取并保存保护作业人员的图像。

1.3)对图像进行识别，为佩戴安全帽的作业人员图像和未佩戴安全帽的作业人员图像打上不同分类标签，完成图像分类，得到安全帽佩戴检测类别，从而制作出训练样本集。

2)建立YOLO网络模型。

进一步，所述YOLO网络模型为YOLO v3网络模型。

进一步，所述YOLO网络模型主要包括特征提取层和处理输出层。所述特征提取层包括输入层、低级卷积层和高级卷积层。

3)对YOLO网络模型进行训练，得到训练后的YOLO网络模型。

对YOLO网络模型进行训练的主要步骤如下：

3.1)利用COCO数据集对YOLO网络模型进行预训练，主要步骤为：

3.1.1)利用低级卷积层捕获图片中边缘、拐角等低级图像特征，利用高级卷积层捕获图片中形状、图形等更容易被识别区分的高级图像特征；所述低级图像特征包括图像边缘和拐角；所述高级图像特征包括作业人员轮廓特征和安全帽轮廓特征。

3.1.2)将低级特征插入到若干高级卷积层中，得到特征规范。