[发明专利]一种基于深度学习的安全帽佩戴检测方法及系统

权利要求书

1.一种基于深度学习的安全帽佩戴检测方法，其特征在于，包括以下步骤：

S1、在服务器端，对现场所有摄像头视频进行运动物体检测，并将摄像头视频中的各运动目标提取出来，得到运动目标图像；

S2、将运动目标图像输入到预训练好的安全帽检测模型中，对安全帽的佩戴情况进行检测；

其中，安全帽检测模型为深度学习模型；用于训练所述安全帽检测模型的数据集包括标注有工人是否佩戴安全帽的图像。

2.根据权利要求1所述的安全帽佩戴检测方法，其特征在于，所述S1包括以下步骤：

S11、采用背景差分法获取摄像头视频中当前帧的前景目标图；

S12、分别对当前帧、当前帧的前一帧和后一帧进行边缘检测；将当前帧及其前一帧的边缘检测图像进行差分操作，得到差分图；将当前帧及其后一帧的边缘检测图像进行异或操作，得到异或图；

S13、将所述异或图与所述当前帧的前景目标图进行或操作后，将所得结果与所述差分图进行与运算；

S14、将所述S13的与运算结果进行形态学处理和连续性分析后，得到运动目标的二值模板，基于所述二值模板将当前帧中的各运动目标提取出来，得到运动目标图像；

S15、重复步骤S11-S14进行迭代，直至完成摄像头视频所有图像中运动目标的提取。

3.根据权利要求1所述的安全帽佩戴检测方法，其特征在于，所述安全帽检测模型为Yolov5模型。

4.根据权利要求1-3任意一项所述的安全帽佩戴检测方法，其特征在于，若检测到未佩戴安全帽，则发出警示。

5.一种基于深度学习的安全帽佩戴检测系统，其特征在于，包括：运动目标图像提取模块和安全帽佩戴情况检测模块；

所述运动目标图像提取模块用于对现场所有摄像头视频进行运动物体检测，将摄像头视频中的各运动目标提取出来，得到运动目标图像，并输入到安全帽佩戴情况检测模块中；

所述安全帽佩戴情况检测模块用于将运动物体图像输入到预训练好的安全帽检测模型中，对安全帽的佩戴情况进行检测；

其中，安全帽检测模型为深度学习模型；用于训练所述安全帽检测模型的数据集包括标注有工人是否佩戴安全帽的图像。

6.根据权利要求5所述的安全帽佩戴检测系统，其特征在于，还包括警告模块，用于当检测到未佩戴安全帽时，发出警示。

7.根据权利要求5或6所述的安全帽佩戴检测系统，其特征在于，部署在服务器上。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行权利要求1-4任意一项所述的安全帽佩戴检测方法。