[发明专利]一种基于深度学习图像处理的电焊施工检测方法

权利要求书

1.一种基于深度学习图像处理的电焊施工检测方法，其特征在于：包括以下步骤：

S1：样本采集：采集工厂施工区域的视频信息；

S2：将上述图像或视频进行智能结构化处理，识别出场景中的人体属性；

S3：对采集的视频信息进行标记，标记出正在电焊施工作业和没有电焊施工作业的；

S4：对标记后的数据用深度学习算法进行检索训练；

S5：将正在电焊施工作业和没有电焊施工作业的数据进行分类训练，生成CNN模型；

S6：实时获取施工现场的视频数据，利用模型检测是否在进行电焊施工作业。

2.根据权利要求1所述的一种基于深度学习图像处理的电焊施工检测方法，其特征在于：所述步骤S1中样本采集是通过监控摄像头进行拍摄，拍摄的要求是多角度无死角、且每次拍摄取样之间的间隔小于1小时。

3.根据权利要求1所述的一种基于深度学习图像处理的电焊施工检测方法，其特征在于：所述步骤S2中图像或视频进行智能结构化处理是提取图像或视频中人员的动作以及姿势。

4.根据权利要求3所述的一种基于深度学习图像处理的电焊施工检测方法，其特征在于：所述人员的行为包括行走、蹲、站立、俯身。

5.根据权利要求1所述的一种基于深度学习图像处理的电焊施工检测方法，其特征在于：所述步骤S3中对视频信息的标记采用人工标记，人工标记使用的工具为labelImg工具。

6.根据权利要求1所述的一种基于深度学习图像处理的电焊施工检测方法，其特征在于：所述步骤S4中检索训练是根据Faster R-CNN框架搭建神经网络模型，检索出标记的正在电焊施工作业的图片，确定电焊施工作业的操作区域。

7.根据权利要求1所述的一种基于深度学习图像处理的电焊施工检测方法，其特征在于：所述步骤S5中使用ResNet-152-CNN卷积神经网络模型作为人员的分类模型，进行分类训练，从而确定正在电焊施工作业和没有电焊施工作业。

8.根据权利要求1所述的一种基于深度学习图像处理的电焊施工检测方法，其特征在于：所述步骤S6中对现场视频数据的检测，是提取视频中的任意图像，将提取的图像与CNN模型中的目标数据进行对比，从而确定是否在进行电焊施工作业。

9.根据权利要求1所述的一种基于深度学习图像处理的电焊施工检测方法，其特征在于：所述步骤S2中图像或视频进行智能结构化处理还包括人员附近电焊颜色的处理，根据电焊作业时的颜色特征，判断该人员区域的颜色是否符合颜色条件；如果符合，则判断为进行电焊施工作业，如果不符合颜色条件，则进行后续的识别步骤。