[发明专利]一种基于边缘设备的安全帽和安全带检测识别系统

权利要求书

1.一种基于边缘设备的安全帽和安全带检测识别系统，用于与远程人脸识别计算机对接实现对闸机的控制，其特征在于，所述基于边缘设备的安全帽和安全带检测识别系统包括：图像采集模块、检测模块和通信服务器，其中：

所述图像采集模块，用于采集人过闸机时工人的上半身图片，所述上半身图片作为待检测图片输入检测模块；

所述检测模块，调用预加载的安全帽和安全带检测模型识别待检测图片中的目标，输出对应类别的预测标签，统计各类别预测标签的数量并基于预定义的判决规则得到回传值，将所述回传值发送给通信服务器；

所述通信服务器，用于实现检测模块与远程人脸识别计算机之间的实时信息交互，通信服务器接收检测模块发送的回传值并转发至远程人脸识别计算机，所述回传值用于远程人脸识别计算机判别得到控制指令，所述控制指令由远程人脸识别计算机发送至闸机用于控制闸机是否开启；

其中，所述预测标签的类别包括“hat”、“belt”和“person”，其中，输出“hat”表示佩戴安全帽，输出“person”表示未佩戴安全帽，输出“belt”表示佩戴安全带，未输出“belt”表示未佩戴安全带；

其中，所述统计各类别预测标签的数量并基于预定义的判决规则得到回传值，包括：

(1)统计输出的各类别预测标签数量，得到统计结果，包括：

初始化统计结果sum＝0；

若检测到输出的预测标签为“hat”，则sum＝sum+1；

若检测到输出的预测标签为“belt”，则sum＝sum+10；

若检测到输出的预测标签为“person”，则sum＝sum+100；

(2)获取最终的统计结果，并基于预定义的判决规则得到回传值，包括：

根据最终的统计结果sum计算标识数a3、a2、a1，计算表达式如下：

将得到的标识数a3、a2、a1输入预定义的判决规则得到回传值，所述预定义的判决规则包括：

若a3≥1，a2≥1，a1≥1，则回传值为“111”，表示检测结果为佩戴安全帽和安全带，同时存在未佩戴安全帽；

若a3≥1，a2≥1，a1＜1，则回传值为“110”，表示检测结果为只佩戴安全带；

若a3≥1，a2＜1，a1≥1，则回传值为“101”，表示检测结果为佩戴安全帽，同时存在未佩戴安全帽；

若a3≥1，a2＜1，a1＜1，则回传值为“100”，表示检测结果为未佩戴安全帽和安全带；

若a3＜1，a2≥1，a1≥1，则回传值为“011”，表示检测结果为佩戴安全帽和安全带；

若a3＜1，a2≥1，a1＜1，则回传值为“010”，表示检测结果为只佩戴安全带；

若a3＜1，a2＜1，a1≥1，则回传值为“001”，表示检测结果为只佩戴安全帽；

若a3＜1，a2＜1，a1＜1，则回传值为“000”，表示检测结果为未佩戴安全帽和安全带。

2.如权利要求1所述的基于边缘设备的安全帽和安全带检测识别系统，其特征在于，所述安全帽和安全带检测模型基于RefineDet网络训练至收敛所得，所述RefineDet网络包括区域优化模块和目标检测模块，并且通过连接模块连接区域优化模块和目标检测模块；

所述RefineDet网络以VGG16卷积神经网络作为特征提取的骨干网络，包含由原来的fc6和fc7两个全连接层转换成的卷积层conv_fc6、conv_fc7以及扩展的卷积层conv6_1、conv6_2，并且采用卷积层conv4_3、conv5_3、conv_fc7和conv6_2作为检测层。

3.如权利要求2所述的基于边缘设备的安全帽和安全带检测识别系统，其特征在于，所述RefineDet网络在训练时，采用置信度和焦点损失函数对RefineDet网络输出的检测框进行二次抑制；

对于RefineDet网络中卷积层生成的检测框，若负样本的置信度大于0.99，则直接舍弃对应的检测框，实现对检测框的首次抑制；

对于首次抑制后的检测框，采用基于焦点损失函数构建的多对象损失函数进行再次抑制，所述多对象损失函数包括区域优化模块(ARM)和目标检测模块(ODM)两部分损失，多对象损失函数的表达式如下：

式中，为候选区域的类别标签，表示如果为正样本，输出1；否则输出0，表示第i个候选区域的位置以及尺寸标签，x_i和p_i是ARM预测，N_ARM表示ARM中正候选区域的数量，如果N_ARM＝0，则ARM部分损失为0，c_i和t_i是ODM预测，N_ODM表示ODM中正候选区域的数量，如果N_ODM＝0，则ODM部分损失为0，L_r表示回归损失，采用smoothL1 loss函数，L_b表示类别损失函数；

采用focal loss函数作为L_b表示的类别损失函数，所述focal loss函数的表达式为：

FL(p_t)＝-α_t(1-p_t)^γlog(p_t)

式中，p_t表示不同类别的分类概率，p_t越大，权重(1-p_t)^γ越小，α_t用来调节正负样本的比例。