[发明专利]一种基于深度学习的基建场景安全检测系统及方法

说明书

本发明公开了一种基于深度学习的基建场景安全检测系统及方法，包括以下过程：采集基建场景内各视角的视频图像；从视频图像中获取各人员图像；根据各人员图像进行人员识别，并与企业员工照片库比对以判断各人员是否是企业从业人员；若是企业从业人员，则根据人员图像判断头盔与着装是否符合安全着装要求；若不符合安全着装要求，则进行报警。本发明主要提出了基建场景摄像头设置方案、人物目标检测、人脸识别、头盔与着装目标检测方案，能够有效地保证基建场景的安全性。相比于传统方法，其具有更好的预警和干预的及时性、有效性。

技术领域

本发明涉及视觉图像处理技术领域，具体涉及一种基于深度学习的基建场景安全检测系统及方法。

背景技术

随着计算机技术的迅猛发展以及在深度学习和计算机视觉上的逐步深入，电子器械可以充分利用其优势来实现对目标进行识别、跟踪和测量等等，并进一步做图像处理和系统反馈，具有较强的自主适应环境的能力。

深度学习的行人多维特征识别如今已在交通场景应用中越来越广泛。但在面向基建场景还很少有应用。

发明内容

本发明的目的在于克服现有技术中的不足，提出了一种基于深度学习的基建场景安全检测系统及方法，能够有效地保证基建场景的安全性。

为解决上述技术问题，本发明提供了一种基于深度学习的基建场景安全检测系统，其特征是，在整个基建场景内各视角均部署有摄像头，还包括图像处理模块、人员识别模块、着装判断模块和安全报警模块；

摄像头采集基建场景内各视角的视频图像发送指图像处理模块；

图像处理模块，用于从视频图像中获取各人员图像；

人员识别模块，用于根据各人员图像进行人员识别，并与企业员工照片库比对以判断各人员是否是企业从业人员；

着装判断模块，用于根据人员图像判断头盔与着装是否符合安全着装要求；

安全报警模块，用于判断出不符合安全着装要求，则进行报警。

进一步的，基建场景的出入口处设有摄像头。

相应的，本发明还提供了一种基于深度学习的基建场景安全检测方法，包括以下过程：

采集基建场景内各视角的视频图像；

从视频图像中获取各人员图像；

根据各人员图像进行人员识别，并与企业员工照片库比对以判断各人员是否是企业从业人员；

若是企业从业人员，则根据人员图像判断头盔与着装是否符合安全着装要求；

若不符合安全着装要求，则进行报警。

进一步的，当判断出不是从业人员时，则进行报警；

进一步的，利用yolo_v3算法从视频图像中获取各人员图像。

进一步的，利用yolo_v3算法从人员图像中获取头盔与着装。

与现有技术相比，本发明所达到的有益效果是：本发明所提出的基建场景下的安全性分析与干预的方法，能够有效地保证基建场景的安全性。主要提出了基建场景摄像头设置方案、人物目标检测、人脸识别、头盔与着装目标检测方案。相比于传统方法，其具有更好的预警和干预的及时性、有效性。

附图说明

图1是本发明系统的原理框图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。