[发明专利]分布式安全帽识别系统

权利要求书

1.一种分布式安全帽识别系统，其特征在于，包括

高清摄像头，所述高清摄像头安装在现场，对工作人员进行实时拍照，得到图像数据，并将所述图像数据传输回终端；

终端，所述终端采用嵌入式开发板对高清摄像头采集的图像进行处理；

后台，所述后台接收终端处理结果；

报警装置，对所述后台接收到的处理结果做出反馈。

2.根据权利要求1所述的一种分布式安全帽识别系统，其特征在于，海思芯片hisi3516dv300。

3.根据权利要求1、2所述的一种分布式安全帽识别系统，其特征在于，包括以下步骤：

S1:通过边缘计算架构在终端嵌入卷积神经网络模型，并置于后台服务器交互；

S2:通过高清摄像头实时捕捉待检测图像；

S3:向所述卷积神经网络模型送入所述待检测图像；

S4:终端识别出未戴安全帽人员并将结果反馈至后台；

S5：后台发出警告并记录。

4.根据权利要求3所述的一种分布式安全帽识别系统，其特征在于，所述摄像头定期对工作人员佩戴安全帽样本的图像采样；

终端对样本进行卷积运算；

终端利用边缘检测提取特征值；

特征值与所述述卷积神经网络模型进行模型比对；

计算出所述佩戴安全帽的佩戴状态；

佩戴状态识别的结果为“确定佩戴”、“未佩戴”或“不确定”，所述终端将佩戴安全帽的状态通过线缆上报给后台。

5.根据权利要求3所述的一种分布式安全帽识别系统，其特征在于，终端调用深度学习框架将所述图像数据转换为张量数据，并采用基于Inception模型的卷积神经网络对所述张量数据进行计算得到高维向量，该高维向量中的每一维对应的数值分别表示属于每一类别的概率，最终将概率最高的数值对应的类别进行输出；若“确定佩戴”的概率最高时，该设备不输出，若设备输出，则输出的类别即为识别出“未佩戴”的告警图像。

6.根据权利要求3所述的一种分布式安全帽识别系统，其特征在于，所述卷积神经网络模型的建立包括以下步骤：

S00：采集图像数据；

S01：根据设定的标注筛选规则以标注和筛选出符合要求的头部信息；

S02：设计卷积神经网络模型；

S03：训练生成安全帽佩戴识别模型；

S04：集成安全帽佩戴识别模型。

7.根据权利要求6所述的一种分布式安全帽识别系统，其特征在于，S00中采集图像数据具体包括：采集不同参数条件下的人员的头部图像；所述参数条件包括采集场景、人员性别、人员姿势、环境因子以及摄像头参数。

8.根据权利要求6所述的一种分布式安全帽识别系统，其特征在于，S01中根据设定的标注筛选规则包括如下步骤：

B00：选择标注工具；

B01：采用选择的标注工具从每张采集到的图像中选取标注目标进而获取头部信息数据集；其中，所述标注目标为人员头部区域；

B02：判断所述头部信息数据集中每张图像中的标注目标的大小是否满足设定大小阈值范围，剔除所述头部信息数据集中标注目标不满足设定大小阈值范围的图像；

B03：判断所述头部信息数据集中每张图像中的标注目标在所属图像上的位置，剔除所述头部信息数据集中标注目标处于图像边缘的图像；

B04：对所述头部信息数据集中剩余图像的类别进行标注，类别至少包括戴安全帽和未戴安全帽的头部信息。