[发明专利]基于深度学习的劳保用品佩戴情况检测和身份识别的方法

说明书

本发明属于计算机视觉技术领域，具体涉及基于深度学习的劳保用品佩戴情况检测和身份识别的方法。本发明收集数据制作工作人员劳保用品佩戴情况检测和身份识别专用数据集，对数据集进行预处理标注并划分，然后设计并训练基于多种目标检测算法原理的深度模型，对多个深度模型采用Stacking Ensemble的方法进行模型集成，使用公开数据集训练基于深度学习的人脸识别模型和行人再识别模型，构建工作现场的人脸识别和行人再识别比对数据库，结合该图像数据库对模型进行自适应优化，进行检测并监控。本发明提高施工场所工作人员的安全性，减少安全事故的发生，有着很好的社会价值以及商业价值，应用前景广泛。

技术领域

本发明属于计算机视觉技术领域，具体涉及基于深度学习的劳保用品佩戴情况检测和身份识别的方法。

背景技术

工厂安全问题一直是社会关心的热点，据2017年全国安全生产数据分析，发现生产安全事故中95％的原因是作业人员的不安全行为导致的，劳保用品更是作为保证员工安全重要的一环。随着机械化技术的发展，一些和破碎、铸造、打磨有关的行业，作业环境粉尘浓度高，因而导致尘肺病多发、群发。人脑是人体最重要的部位，安全帽可以承受和分散落物的冲击力，减轻工作人员头部的损伤。因此对车间、工厂等施工场所进行劳保用品佩戴显得尤为重要。

目前，大多数工厂、施工场所都没有劳保用品检测系统，导致工人懈怠佩戴安全帽、防护口罩，产生诸多安全隐患。工厂对其进行监管和管制往往因为所消耗人力、物力资源太大而放弃，但这项工作是必不可少的，对工作人员以及工厂都有着至关重要的作用。

随着人民对安全性的要求不断提高，工厂、车间需要采取更加有效的管制措施。人工智能技术发展迅速，与各科技领域深度融合，已经在语音识别、计算机视觉等领域产生出了众多创新解决方案。将计算机视觉领域与工厂监管等工作相结合，在减少人力、物力资源的同时，将进一步提高工厂的安全性。劳保产品的佩戴检测如口罩的佩戴检测对于公众安全领域疫情防控方面也有重要意义。

发明内容

针对上述问题本发明提供了基于深度学习的劳保用品佩戴情况检测和身份识别的方法。

为了达到上述目的，本发明采用了下列技术方案：

基于深度学习的劳保用品佩戴情况检测和身份识别的方法，包括以下步骤：

步骤S1：通过互联网爬取图片及工作现场采集图片的方式收集数据，然后制作“工作人员劳保用品佩戴情况检测和身份识别专用数据集”；

步骤S2：数据预处理，对爬取到的照片进行数据清洗、数据扩充然后进行标注，并把图片进行数据集划分；

步骤S3：训练模型，设计并训练基于多种目标检测算法原理的深度模型，对多个深度模型采用Stacking Ensemble的方法进行模型集成；

步骤S4：使用公开数据集采用center loss训练基于深度学习的人脸识别模型和采用孪生网络构建训练基于深度学习的行人再识别模型；获取应用场所工作人员的身份信息、人脸照片以及行走图片，用于构建工作现场的人脸识别和行人再识别比对数据库；结合该图像数据库对模型进行自适应优化(Domain Adaptations)；

步骤S5：对工作人员进行劳保用品佩戴情况检测，使用人脸识别模型对未佩戴劳保用品的工作人员进行身份识别，持续监控，并对无法识别工作人员不断进行人脸识别及通过行人再识别模型进行比对，并将佩戴情况及身份信息存储于数据库。

进一步，所述步骤S2中数据扩充：通过尺度变化、随机抠图、色彩变化、添加噪声的方法对数据的数据集进行扩充；

所述步骤S2中数据清洗：针对数据的不完整性以及不准确性，针对有问题的“脏数据”，进行数据清洗，对于不完整数据，进行数据加工或剔除，达到清理的目的；

所述脏数据为爬取的错误无关图片；