[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

说明书

本申请公开了一种基于深度学习的工地安全着装识别监控方法，属于安全管理技术领域，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；服务器对第一数据进行优化，产生第二数据；服务器建立分类模型，对第二数据进行分类，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，对第三数据进行预警，产生第四数据；服务器将第四数据传输到显示设备，提醒目标未安全着装。在本发明的技术方案实施时，通过对表征工地人员着装图像和视频流的第一数据进行优化处理，得到优化后的第二数据，并建立分类模型和反馈机制，筛选出未安全着装的工地人员，通过显示屏发出预警信息，达到可在线识别，减少系统运算压力，优化识别流程的效果。

技术领域

本申请涉及安全管理技术领域，具体为一种基于深度学习的工地安全着装识别监控方法。

背景技术

随着新型城镇化的大规模推进，建筑工地规模和数量保持高速增长，相对应的安全生产问题也逐渐暴露。工地劳动人员多样，流动频繁，有些安全意识薄弱，而施工现场环境复杂，机械设备，不规范操作等都容易引发安全事故，造成人员的伤亡和财产的损失，管理难度大成本高。

为满足建筑工地的安全监管要求，现有情况中，在施工现场的安全管理主要通过人工监督为主，监控辅助。在检测安全着装方面，在现有的智能监控辅助细节中，应用了一些持续人员追踪+分类识别模型辅助，例如公开号为CN111401301A的中国发明专利公开了一种人员着装监控方法、装置、设备及存储介质，该专利通过对目标对象划定待检测外接框，并在外接框中确定待检测区域，通过将待检测区域中的待检测标识与预置标准标识进行比对，判断目标对象是否规范着装。

但是在上述技术方案的实施过程中，需要持续对监控对象进行识别，产生较多的算力冗余，耗费计算资源，并且对于在监控中处于远景的人，分辨率低的采集设备会导致分类识别率下降，进而影响识别效果，所以有必要提供一种可在线识别的基于深度学习的工地安全着装识别监控方法来解决上述问题。

其中为解决低分辨率的问题，可采用新兴的基于深度学习的超分辨率重建方法，而在多种超分重建网络算法中，Real-ESRGAN超分辨率网络算法，有着以下优点：相对传统算法在构建数据集的方法，用高阶处理，增强降阶图像的复杂度；解决了图像中的振铃和过冲现象；增强了图像在对细节上的对抗学习等优势。

需要说明的是，本背景技术部分中公开的以上信息仅用于理解本申请构思的背景技术，并且因此，它可以包含不构成现有技术的信息。

发明内容

本申请解决其技术问题所采用的技术方案是：一种基于深度学习的工地安全着装识别监控方法，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，以及表征安装着装样本的第四数据；

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；

服务器将第四数据通过显示屏进行显示，用于提醒目标未安全着装。

在本发明的技术方案实施时，通过服务器对表征工地人员着装图像和视频流的第一数据进行优化处理，得到优化后的第二数据，并建立分类模型和反馈机制，筛选出未安全着装的工地人员，并通过显示屏发出预警信息，达到可进行在线识别，减少系统运算力度，优化识别流程的效果。

进一步的，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；