[发明专利]一种施工作业人员的安全着装检测方法及系统

说明书

本发明公开了一种施工作业人员的安全着装检测方法及系统，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区域定位信息；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。本发明实施例主要针对复杂施工环境下作业人员的安全着装管理，通过引入深度学习技术来实现自动化、智能化的检测及预警功能，大幅度地提高检测效率与检测精度。

技术领域

本发明涉及施工安全领域，具体而言，涉及一种施工作业人员的安全着装检测方法及系统。

背景技术

当前施工安全是施工管理中的关键环节，其中对于施工人员的着装安全管理对于施工作业的安全风险尤为重要，包括是否佩戴安全帽、是否穿戴反光背心。目前在着装安全管理上更多是依赖于对现场作业人员的安全作业培训，以及在部分施工场景引入视频监控系统后，由安全员在监控室进行检查或者现场巡检，但是采用这两种依赖于人工的检测方法存在效率较低的缺点。直至后来提出了一种采用视觉算法来实现自动识别检测的方法，在面对如地下工程、隧道工程等这些复杂施工现场时，如何克服光照不均、目标重叠、视角变化、部分遮挡等实际情况，是技术人员需要不断克服改进的地方。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种施工作业人员的安全着装检测方法及系统，主要针对复杂施工环境下作业人员的安全着装管理，通过引入深度学习技术来实现自动化的检测及预警功能，大幅度地提高检测效率与检测精度。

为了解决上述技术问题，本发明实施例提供了一种施工作业人员的安全着装检测方法，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区域定位信息；

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。

可选的，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。

可选的，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。

可选的，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；