[发明专利]一种电厂作业人员是否佩戴安全带的检测方法及检测系统

权利要求书

1.一种电厂作业人员是否佩戴安全带的检测方法，其特征在于，包括以下步骤：

步骤1，从监控区域内的视频监控设备获取历史视频数据，将其转化为图片，形成安全带检测数据集；

步骤2，对安全带检测数据集图片中人员是否佩戴安全带进行标注，并将其按照设定的比例随机划分为训练集与测试集；

步骤3，根据步骤1获得的安全带检测数据集生成其对应的适用于监控区域的锚框；

步骤4，使用训练集训练卷积神经网络模型，使用测试集检测每一代训练后改进的卷积神经网络模型，筛选获得安全带检测模型；

步骤5，从监控区域内的视频监控设备获取实时视频数据，基于步骤4得到的安全带检测模型对监控区域内安全带佩戴情况进行实时检测。

2.根据权利要求1所述的电厂作业人员是否佩戴安全带的检测方法，其特征在于：

步骤2具体包括：

步骤2.1，对安全带检测数据集中人物是否佩戴安全带逐一标注，其中被标注部分作为正样本，未标注部分作为负样本；

步骤2.2，获取每个标注对象的类别及检测框，形成标注对象文件；

步骤2.3，生成安全带检测数据集对应的文件路径，并存储在数据集文件中；

步骤2.4，随机分配步骤2.3中存储在数据集文件内的存有标注内容的标注对象文件，将其以设定的比例分为训练集与测试集。

3.根据权利要求1所述的电厂作业人员是否佩戴安全带的检测方法，其特征在于：

步骤3中，使用聚类方法生成锚框，聚类中距离度量方法为重叠度距离，以如下公式表示预测框与真实框的距离D，

D＝1-IoU(box,clusters)

式中：

D为预测框与真实框的距离，

IoU(·)表示重叠度函数，

box为标注框，

clusters为聚类数目。

4.根据权利要求1至3中任一项所述的电厂作业人员是否佩戴安全带的检测方法，其特征在于：

步骤4中具体包括：

步骤4.1，将训练集中的图片统一调整到640*640；

步骤4.2，对经过步骤4.1调整尺寸后的图片进行图像增强处理；

步骤4.3，设定迭代次数，每一批图像的数量，初始学习率，学习率更新条件；

步骤4.4，使用图像增强处理后的图片训练卷积神经网络模型；

步骤4.5，使用测试集检测每一代训练后卷积神经网络模型的mAP，选取其中mAP最高的卷积神经网络模型作为安全带检测模型。

5.根据权利要求4所述的电厂作业人员是否佩戴安全带的检测方法，其特征在于：

步骤4中，卷积神经网络模型分为1个类别，未安全带的标为none；卷积神经网络模型，其输入图片尺寸为640*640；卷积神经网络模型两输出层锚框数分别为4个和5个，用于检测普通目标、小目标，普通目标的尺寸大于32*32，小目标的尺寸小于或等于32*32；卷积神经网络模型两输出层的特征图尺寸分别为5*5和40*40。