[发明专利]建筑工地工人着装检测方法、系统、装置、存储介质

权利要求书

1.一种建筑工地工人着装检测方法，其特征在于，所述建筑工地工人着装检测方法包括：

第一步，接收建筑工地采集的实时场景图像，对采集的实时场景图像进行质量评价，对质量评价不合格或夜间的实时场景图像进行图像修复及增强，获得质量评价合格的实时场景图像；

第二步，对质量修复过后采集的建筑工地实时场景图像进行施工人员及其着装实时检测，在实时场景图像上标注出施工人员位置；

第三步，将经检测后的实时场景图像传输至移动设备，并做是否报警处理。

2.如权利要求1所述的建筑工地工人着装检测方法，其特征在于，对摄像头采集的实时场景图像进行质量评价，对质量评价不合格的实时场景图像进行图像修复，获得质量评价合格的实时场景图像包括：

(1)对每个图像进行质量评价，判断图像的质量评价是否合格；

在进行图像质量评价前，首先获取一系列质量标准的实时场景图像作为标准图像，对标准实时场景图像进行峰值信噪比统计，m1为标准实时场景图像峰值信噪比最低值，m2为标准实时场景图像峰值信噪比最高值，则将[m1，m2]作为标准实时场景图像的标准峰值信噪比范围；图像进行质量评价，包括：计算图像的峰值信噪比m，判定峰值信噪比m是否在标准峰值信噪比范围[m1，m2]内，若是，则图像质量评价合格；否则，图像质量评价不合格；

(2)对质量评价不合格的的图像及夜间图像进行图像修复及增强，得到修复及增强后的质量评价合格的图像。

3.如权利要求2所述的建筑工地工人着装检测方法，其特征在于，对质量评价不合格的的图像及夜间图像进行图像修复及增强，得到修复及增强后的质量评价合格的图像包括：在对质量评价不合格的图像进行修复时，首先通过生成对抗网络对质量评价不合格的的图像进行图像修复，再通过对抗生成网络中的判别器进行质量判断，若经过修复的图像的峰值信噪比m不在标准峰值信噪比范围[m1，m2]内，再进行迭代修复，直到图像的峰值信噪比m达到标准峰值信噪比范围[m1，m2]为止，对所有质量评价不合格图像修复完成，也即对实时场景图像修复完成，获得了修复后的质量评价合格的实时场景图像。

4.如权利要求3所述的建筑工地工人着装检测方法，其特征在于，生成对抗网络的生成器通过使用激活函数生成图像归一化层，将图像归一化层转化为标准的RGB图，最后经过修复的图；卷积层用于提取图像的局部特征，池化层对提取的特征图进行降维压缩后，再将降维后的特征图传入下一个卷积层进行特征提取，经过卷积和池化操作后，将提炼特征图平铺为一个数组作为上采样层的输入，上采样层使通过对所得到的高层特征图的每个特征点进行线性插值，得到尺寸为原特征图2倍的新特征图，跳跃连接层是将相同层次的编码层与解码层进行特征沿通道叠加，并将叠加后的特征图进行降维压缩后再上采样，不断的上采样至原图大小，采用图像数据分布函数Inception Score为损失函数，Adam为优化方法，训练直到损失函数不再明显变化为止；

卷积神经网络输入的图像是染色不标准的进行归一化后的patch图像10000张，patch图像的大小与图像块的大小一致，输出图像尺寸大小与输入保持一致，损失函数计算过程是取染色标准的进行归一化后的patch图像10000张，分别与每次网络输出的图像进行图像数据分布函数Inception Score计算，得到损失函数值，计算梯度并更新；

生成对抗网络中的判别器，通过使用激活函数对图像进行分类，卷积层用于提取图像的局部特征，池化层对提取的特征图进行降维压缩后，再将降维后的特征图传入下一个卷积层进行特征提取，经过一系列的卷积和池化操作后，将提炼特征图平铺为一个数组作为全连接层的输入，全连接层进一步提取特征，并对特征进行分类，对输入图像进行分类；最终分类的过程不单是进行生成图像的真伪判别，计算生成图像的峰值信噪比与标准峰值信噪比范围之间的物理距离作为损失函数；卷积神经网络是将已修复的图像作为输入，经过卷积神经网络获得已修复的实时场景图像经过编码后的特征图的峰值信噪比，与标准峰值信噪比范围进行比较，确定修复是否完成。