[发明专利]一种安全作业违规行为视频分析方法及系统

说明书

本发明公开了一种安全作业违规行为视频分析系统及方法，属于图像处理领域，系统包括硬件系统和软件系统；软件系统，包括视频分析子系统，其运行在视频分析工作站的硬件平台上；视频分析子系统包括实时视频读取模块、视频分析模块、违规行为图片存储模块、网络报警模块和日志记录模块。本发明视频分析子系统，可对烟厂滚筒作业摄像机采集的视频进行分析，实现员工不着安全帽、防滑鞋、滚筒开关不挂锁、不挂标志牌四种典型违规行为的自动检测；在传统的安全帽检测等视觉检测算法的基础上，设计了检测上述四种违规行为的视频分析方法；测试结果验证了系统功能的正确性；本发明方法提高了预防滚筒作业安全风险的能力。

技术领域

本发明涉及计算机视觉和图像处理领域及滚筒作业安全领域，尤指一种安全作业违规行为视频分析方法及系统。

背景技术

在一些危险场所，例如烟厂滚筒作业中，员工不着安全帽、防滑鞋、滚筒开关不挂锁、不挂标志牌违规行为时有发生，由于滚筒作业人员存在侥幸心理以及长时间的工作会懈怠，有时在进入滚筒时不会设立警报标志牌并上锁，这会对以后的安全生产存在安全隐患。合法的工作流程是在进入滚筒之前，先对作业人员的穿戴进行检测，包括安全帽和防滑鞋，然后对锁和警示牌进行检测，当特定的滚筒旋钮开关上挂上锁和标志牌之后，才允许进入滚筒进行作业。

传统上都是由安全员人工监督，费时费力，而且容易出现人为疏忽，因而业界开始研发自动检测。然而在人工智能检测系统中，检测难免会出现误检误报警问题。而且误检问题是现有的人工智能检测系统所面临的共同难题，特别是在复杂的环境下，直接就会影响系统的功能。

因此针对企业施工人员进行危险作业前的安全检测系统，发明人提出了一种基于深度学习的目标监测算法，用来克服在进行安全监测时精度低，分辨率差的难题。

发明内容

为解决上述问题，本发明主要目的在于，提供一种基于深度学习的安全作业违规行为视频分析方法及系统，以便提供一种简单便捷高效、检测多样化的手段及规范化的检测流程，次一目的提供一种运行速度快，且检测精度高，不仅在屏幕中能够实时检测，而且还能将检测的信息远程推送到上一级的能降低人工成本，又提高工厂效益方法及系统。

为实现上述目的，本发明提供了一种安全作业违规行为视频分析方法，其包含：

步骤1，先对采集的数据集进行数据提取并进行候选框的标注，之后进行训练，该方法还可以将提取的数据进行标注分类；进行检测时，其作业是一个时间段进行检测的，只要在一个预定时间范围内能得到一个正确的、快速的检测结果即可认为检测合格；

1.1采用labelImage工具，预先将采集到的视频数据集进行打标操作并标记分类，

1.2将标注完成的数据集放入YOLOv4-tiny中去训练；

步骤2，调用摄像进行数据提取，选用训练好的最佳权重文件利用OpenCV调用YOLOv4-tiny进行目标检测，

2.1进行检测的时候，根据预先设计，首先检测工人的穿戴是否符合要求，检测通过后，进行安全标志的检测；

2.2当检测到不合格时，予以相应的声音提醒，并在屏幕中显示红色警示标志，当检测合格符合要求后，允许进入滚筒；

其中，读取预先采集到的视频数据集和网络摄像头捕捉的数据后是利用OpenCV的读取图片并对图片进行缩放和剪裁图片、转换颜色、高斯模糊、Canny边缘检测以及膨胀和腐蚀处理的功加载网络来获取YOLO图层，通过检测图层的相关信息，进行数据的提取，使每个被提取出的对象，都确定了标签和区域坐标位置，最后将最合适的框在图像中标记出来。所述穿戴可包括安全帽和防滑鞋，而所述安全标志为安全锁和警示牌，当检测到特定的滚筒旋钮开关上挂上锁和标志牌之后，才允许进入滚筒进行作业。