[发明专利]一种基于深度学习的工地安全着装识别监控方法

权利要求书

1.一种基于深度学习的工地安全着装识别监控方法，应用于服务器，其特征在于：包括：

服务器获取采集器检测目标的样本集所产生的第一数据，所述第一数据包括工地人员着装图像和视频流；

服务器对第一数据进行优化，并产生第二数据，所述第二数据包括优化后的工地人员着装图像和视频流；

服务器建立分类模型，并对第二数据进行分类，以产生用于表征未安全着装样本的第三数据；

服务器建立反馈机制，并对第三数据进行预警，以产生用于预警的第四数据；

服务器将第四数据传输给显示屏进行显示，用于提醒目标未安全着装。

2.根据权利要求1所述的一种基于深度学习的工地安全着装识别监控方法，其特征在于：所述对第一数据进行优化包括：

获取所述第一数据中图片的分辨率；

设置分辨率阈值，并与所述第一数据中图片的数据进行比对，以产生表征分辨率未达到分辨率阈值的第五数据；

建立基于深度学习网络的单图超分辨率重建模型，对所述第五数据进行分辨率重建。

3.根据权利要求1所述的一种基于深度学习的工地安全着装识别监控方法，其特征在于：所述分类模型的建立包括：

配置训练集，所述训练集包括安全帽图片、工服图片、反光衣图片；

通过ResNet50网络建立安全着装预训练模型并进行迁移训练；

生成安全着装分类模型。

4.一种基于深度学习的工地安全着装识别监控系统，其特征在于：包括：

样本采集模块，用于检测目标的样本集所产生的第一数据；

优化模块，用于对第一数据进行优化，并产生第二数据；

分类模块，用于建立分类模型，并对第二数据进行分类，以产生用于表征未安全着装样本的第三数据；

反馈预警模块，用于建立反馈机制，并对第三数据进行预警，以产生用于预警的第四数据；

显示输出模块，用于将第四数据通过显示屏进行显示，提醒目标未安全着装。

5.根据权利要求4所述的一种基于深度学习的工地安全着装识别监控系统，其特征在于：所述优化模块包括：

运动状态检测单元，用于获取所述第一数据中处于非静止状态的数据。

分辨率获取单元，用于获取所述第一数据中图片的分辨率；

阈值比对单元，用于设置分辨率阈值，并与所述第一数据中图片的数据进行比对，以产生表征分辨率未达到分辨率阈值的第五数据；

分辨率重建单元，用于建立基于深度学习网络的单图超分辨率重建模型，并对所述第五数据进行分辨率重建。

6.根据权利要求4所述的一种基于深度学习的工地安全着装识别监控系统，其特征在于：所述分类模块包括：

训练集配置单元，用于配置训练集，所述训练集包括安全帽图片、工服图片、反光衣图片；

训练单元，用于通过ResNet50网络建立安全着装预训练模型并进行迁移训练；

模型生成单元，用于生成安全着装分类模型。

7.一种电子设备，其特征在于：所述电子设备至少包括一个输入装置、输出装置、至少一个处理器，以及与所述处理器连接的存储器，其中，所述存储器存储有可被所述处理器执行的指令，所述指令被所述处理器执行，以使所述处理器能够执行权利要求1-3任一项所述的一种基于深度学习的工地安全着装识别监控方法。

8.根据权利要求7所述的一种电子设备，其特征在于：所述输入装置、输出装置、处理器与存储器之间通过总线连接。