[发明专利]一种施工作业人员的安全着装检测方法及系统

权利要求书

1.一种施工作业人员的安全着装检测方法，其特征在于，所述检测方法包括：

通过摄像头采集作业人员的图像数据，并对所述图像数据进行预处理；

对卷积神经网络的初始损失函数进行指标更新，获取改进损失函数；

基于更新初始损失函数后的卷积神经网络对预处理后的图像数据进行多区域特征提取，以获取所述作业人员的各个身体区域精准定位信息；

建立标准安全着装的识别分类系统，根据所述各个区域定位信息对所述作业人员的安全着装进行规范性判断；

所述改进损失函数的表达式为：

L(O，P，o，p，μ，σ)＝λ₁L_conf(o，p)+λ₂L_cla(O，P)+λ₃L_loc(μ，σ)

其中，o为预测结果边框中整体目标存在与否的判断结果，p为预测结果边框中整体目标存在的概率，L_conf(o，p)为目标置信度损失，O为预测结果边框中任一类目标存在与否的判断结果，P为预测结果边框中任一类目标存在的概率，L_cla(O，P)为目标类别损失，μ为预测结果的均值，σ为预测结果的方差，L_loc(μ，σ)为目标定位损失，λ₁、λ₂、λ₃均为权重因子参数。

2.根据权利要求1所述的安全着装检测方法，其特征在于，所述对所述图像数据进行预处理包括：基于频域滤波增强原理对所述图像数据进行噪点消除，并根据室内光照环境变化对所述图像数据进行光照补偿处理。

3.根据权利要求1所述的安全着装检测方法，其特征在于，所述基于卷积神经网络对预处理后的图像数据进行多区域特征提取包括：

将所述预处理后的图像数据平均分割为N个图像细胞单元；

将所述N个图像细胞单元输入Backbone网络中进行特征提取，获取所述N个图像细胞单元所对应的特征张量图组；

将所述特征张量图组进行特征联合与全局池化，输出所述作业人员所对应的数据集；

以所述改进损失函数作为定位评判标准，利用随机梯度下降法对所述数据集进行模型训练，并通过NMS算法获取所述作业人员的各个区域的精准位置坐标框。

4.根据权利要求3所述的安全着装检测方法，其特征在于，所述将所述N个图像细胞单元输入Backbone网络中进行特征提取包括：

将所述N个图像细胞单元中每一个图像细胞单元进行二维卷积运算，并将运算得到的输入数据进行归一化处理；

基于Relu激活函数对处理后的输入数据进行非线性映射，输出每一个细胞单元所对应的特征张量图。

5.根据权利要求1所述的安全着装检测方法，其特征在于，所述根据所述各个区域定位信息对所述作业人员的安全着装进行规范性判断包括：

对所述各个区域定位信息进行标记；

基于二分类逻辑回归网络组对标记后的各个区域定位信息进行对应的着装识别。

6.根据权利要求5所述的安全着装检测方法，其特征在于，所述基于二分类逻辑回归网络组对标记后的各个区域定位信息进行对应的着装识别包括：

基于二维空间仿射变换函数对所述标记后的各个区域定位信息进行空间上的特征映射转换，提取所述作业人员的各个区域特征；

所述二分类逻辑回归网络组根据各自设定的阈值对应与所述各个区域特征的拟合结果进行比对判断。

7.根据权利要求6所述的安全着装检测方法，其特征在于，所述二维空间仿射变换函数的表达式为：

其中，为变换前的二维坐标，为变换后的二维坐标，[θ₁θ₂θ₃]为映射参数矩阵，且θ₁、θ₂和θ₃均为实数。