[发明专利]一种基于DSSD算法的安全帽佩戴检查方法、装置与系统

说明书

本发明公开一种基于DSSD算法的安全帽佩戴检查方法、装置与系统，方法包括：获取从施工环境中采集的图像；对获取到的图像进行预处理；将预处理得到的图像输入预先训练的安全帽佩戴检查模型；根据所述安全帽佩戴检查模型的输出，得到图像中人员的安全帽佩戴结果信息；所述预先训练的安全帽佩戴检查模型采用DSSD算法模型，训练样本包括公共数据集以及自定义样本集，所述自定义样本集包括已标注的人员佩戴安全帽的图像样本以及人员未佩戴安全帽的图像样本。本发明能够根据采集到的图像，对电力施工环境中人员佩戴安全帽的情况进行检查，提升安全检查效率，且结果较可靠。

技术领域

本发明涉及图像识别技术领域，特别是一种基于DSSD算法的安全帽佩戴检查方法、装置与系统。

背景技术

在电力施工现场，安全帽在施工人员安全防护中起到重要的作用，是头部防护的必备物件。然而，由于施工人员一时疏忽或安全意识不足，经常在施工现场存在不佩戴安全帽的现象，使得产生了一定的安全隐患。因此，要求管理人员如何对进行施工中的人员安全帽佩戴情况进行检查。但是由于电力施工的环境复杂，人工检查效率低且容易出现遗漏，安全帽检测的准确性较低。随着基于深度学习的图像识别等人工智能技术的飞速发展，采用智能图像识别技术进行安全帽检查，具有相对高效和高准确率，使得其替代人工检查成为可能。

名词解释

DSSD（Deconvolutional Single Shot Detector）算法，借鉴了FPN的思路，将ResNet101 作为特征提取网络，是对SSD算法的优化改进。

发明内容

本发明的目的是提供一种基于DSSD算法的安全帽佩戴检查方法、装置与系统，能够根据采集到的图像，对电力施工环境中人员佩戴安全帽的情况进行检查，提升安全检查效率，且结果较可靠。本发明采用的技术方案如下。

一方面，本发明提供一种安全帽佩戴检查方法，包括：

获取从施工环境中采集的图像；

对获取到的图像进行预处理；

将预处理得到的图像输入预先训练的安全帽佩戴检查模型；

根据所述安全帽佩戴检查模型的输出，得到图像中人员的安全帽佩戴结果信息；

所述预先训练的安全帽佩戴检查模型采用DSSD算法模型，训练样本包括公共数据集以及自定义样本集，所述自定义样本集包括已标注的人员佩戴安全帽的图像样本以及人员未佩戴安全帽的图像样本。

可选的，所述公共数据集采用VOC2007的trainval数据集，自定义样本集包括归一化处理后的数量比例为1： 1的人员佩戴安全帽的图像样本和人员未佩戴安全帽的图像样本，图像样本的分辨率为512x512；

所述对获取到的图像进行预处理包括对图像进行归一化处理，得到分辨率为512x512的图像。

可选的，DSSD算法模型包括基础网络、反卷积网络和预测网络；

所述安全帽佩戴检查模型的训练方法包括：

采用ResNet101作为基础网络；

从公共数据集中选择训练样本集及测试样本集，对基础网络进行训练；

冻结ResNet101网络在初步训练后的网络参数，加载反卷积网络；

利用从公共数据集中选择的训练样本集及测试样本集，对反卷积网络进行训练；

解冻基础网络参数，加载预测网络；

利用从公共数据集中选择的训练样本集及测试样本集，对当前全部网络进行训练；

从自定义样本集中选择训练样本集及测试样本集，对经公共数据集训练后的全部网络再次进行训练，得到所述安全帽佩戴检查模型。

可选的，对基础网络进行训练的过程中共迭代7万次，前4万次采用1e-3的学习率，中间2万次采用1e-3的学习率，最后1万次采用1e-5的学习率。