[发明专利]一种基于深度学习的施工现场人员制服穿着识别的方法

权利要求书

1.一种基于深度学习的施工现场人员制服穿着识别的方法，其特征在于，所述方法包括：

用深度学习算法对施工现场人员制服穿着情况进行识别。

2.根据权利要求1所述的一种基于深度学习的施工现场人员制服穿着识别的方法，其特征在于，具体方法如下：

S1、服务器采集施工现场的视频信息；

S2、对采集到的视频信息进行人工标记，标记穿着制服的工作人员与非工作人员；

S3、将人工标记后的数据用深度学习算法进行检索训练；

S4、对人工标记后的数据进行深度学习算法进行分类训练，生成CNN模型；

S5、实时获取施工现场的视频，利用CNN模型检索并识别出工作人员与非工作人员。

3.根据权利要求2所述的一种基于深度学习的施工现场人员制服穿着识别的方法，其特征在于，所述的服务器采集施工现场的视频信息，包括采集视频信息后，对视频信息数据按帧分割为多个图像数据。

4.根据权利要求2所述的一种基于深度学习的施工现场人员制服穿着识别的方法，其特征在于，所述的对采集到的视频信息进行人工标记，人工标记使用的工具为labelImg工具。

5.根据权利要求2所述的一种基于深度学习的施工现场人员制服穿着识别的方法，其特征在于，所述的将人工标记后的数据用深度学习算法进行检索训练包括，依照Faster R-CNN框架搭建神经网络模型，检索出施工现场工作人员轮廓，训练模型检测图像中人员的位置。

6.根据权利要求2所述的一种基于深度学习的施工现场人员制服穿着识别的方法，其特征在于，所述的对人工标记后的数据进行深度学习算法进行分类训练包括，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。

7.根据权利要求5所述的一种基于深度学习的施工现场人员制服穿着识别的方法，其特征在于，所述的卷积层采用预训练的VGG16的卷积层。

8.根据权利要求2所述的一种基于深度学习的施工现场人员制服穿着识别的方法，其特征在于，所述的利用CNN模型检索并识别出工作人员与非工作人员包括，使用Faster R-CNN模型检索人员位置并使用ResNet-1522-CNN模型进行工作人员与非工作人员的分类。

9.一种基于深度学习的施工现场人员制服穿着识别的装置，其特征在于，包括深度学习模型生成模块、视频信息采集模块和模型推理模块；

所述的深度学习模型生成模块，用于将采集的视频信息数据进行深度学习算法训练，得到深度学习模型；

所述的视频信息采集模块，用于实时采集施工现场的视频信息；

所述的模型推理模块，用于利用深度学习模型检索并识别出工作人员与非工作人员。

10.根据权利要求9所述的一种基于深度学习的施工现场人员制服穿着识别的装置，其特征在于，所述的深度学习生成模块，包括数据采集单元、数据标注单元、检索训练单元和分类训练单元；

所述的数据采集单元，用于采集施工现场的视频信息，并将视频信息数据按帧分割为多个图像数据；

所述的数据标注单元，用于将数据采集单元的图像数据进行人工标记，标记工作人员与非工作人员；

所述的检索训练单元，用于将人工标记后的数据用Faster R-CNN算法进行检索训练；

所述的分类训练单元，用于将人工标记后的数据用ResNet-1522-CNN算法进行分类训练。