[发明专利]一种特定场所人员着装是否规范的判定方法

说明书

本发明提供一种特定场所人员着装是否规范的判定方法，具体包括以下步骤：(1)收集正确穿戴防护服的人物照片，收集没有穿戴防护服的人物照片；(2)使用YOLO V3算法遍历正负样本图片集；(3)将正负样本数据集分别划分为训练数据集和测试数据集；(4)构建MobileNet V2深度神经网络模型；(5)使用训练数据集训练深度神经网络模型，训练过程中，每当完成一次对整个样本集的迭代；(6)将训练好的深度神经网络模型部署在视觉分析系统中，分析视频监控设备采集的视频流数据，检测防护服穿戴情况；本发明不依赖人工，使用深度神经网络技术，高度智能化且准确率高，应用在视觉分析系统中，能够长期稳定运行。

技术领域

本发明涉及视频智能分析技术领域，具体涉及一种特定场所人员着装是否规范的判定方法。

背景技术

在化工园区，出于安全需要，工作人员进出生产车间、装卸车间等场所时必须穿戴防护服，避免意外发生。然而，部分工作人员安全意识偏低，有时为了省事，违反规定不穿戴防护服，带来安全隐患。为了保证所有人员都按照要求穿戴防护服，目前的做法有以下两类：

1、安排人员在进出口进行检查，只有正确穿戴防护服的才允许进入，另外安排人员定期巡检工作区域。

2、检查人员在监控室，不断观看视频监控画面，观察是否有未按照规定穿戴防护服的人员。

以上两种检测防护服穿戴情况的方法，都依赖人工。化工园区面积较大，需要足够多的检查人员才能覆盖所有的区域，耗时费力，不但造成人力浪费，而且效率非常低。检查人员长时间作业极易疲劳，导致可能遗漏异常情况，增加意外风险。

发明内容

有鉴于此，本发明提出了一种特定场所人员着装是否规范的判定方法，用于检测工作场所出入口以及工作区域的防护服穿戴情况。深度神经网络技术在视觉分析领域发展迅猛，目标检测，特别是对人的检测技术已经非常成熟，开源的YOLO和Faster-RCNN算法在行人检测方面已经取得了非常好的效果，在各行各业都得到广泛应用。运用行人检测技术获取视频监控画面中的人物，再分析人物的防护服穿戴情况，即可实现对防护服穿戴情况的智能分析。结合工作场所的视频监控设备，一旦发现异常穿戴防护服的人员，视频分析系统发出警报，并记录下现场画面，以便管理人员及时进行处理。

本发明旨在提供一种特定场所人员着装是否规范的判定方法，自动分析视频监控设备输出的实时视频流，迅速发现异常穿戴防护服的人员，为化工园区管理人员提供高效的自动监测解决方案。

为实现上述目的，本发明提供如下技术方案：

一种特定场所人员着装是否规范的判定方法，具体包括以下步骤：

步骤(1)收集正确穿戴防护服的人物照片，作为正样本图片集；收集没有穿戴防护服的人物照片，作为负样本图片集。

步骤(2)使用YOLO V3算法遍历正负样本图片集，提取人物区域，输出单人单张的图片，形成正负样本数据集。

步骤(3)将正负样本数据集分别划分为训练数据集和测试数据集。

步骤(4)构建MobileNet V2深度神经网络模型。

步骤(5)使用训练数据集训练深度神经网络模型，输入正样本，该网络的输出为1，输入为负样本，则该网络的输出应为0。训练过程中，每当完成一次对整个样本集的迭代，即用测试数据集对深度神经网络模型进行测试，当检测准确率达到精度要求时，则训练完成。

步骤(6)将训练好的深度神经网络模型部署在视觉分析系统中，分析视频监控设备采集的视频流数据，检测防护服穿戴情况。

本发明上涉及的专业名词进行如下解释说明：