[发明专利]一种基于图像特征提取的实时安全帽检测方法

权利要求书

1.一种基于图像特征提取的实时安全帽检测方法，其特征在于：包括以下步骤：

步骤S1:收集人体图像作为人体数据集，收集安全帽图像作为安全帽数据集，利用人体数据集使用DPM算法训练人体检测模型，利用安全帽数据集使用HOG特征和SVM训练安全帽分类器；

步骤S2：从实时视频中获取视频帧图像；

步骤S3：对获取的视频帧图像，使用DPM算法训练的人体检测模型进行人体检测，并提取出人体所在矩形区域；

步骤S4：对提取出的人体所在矩形区域进行安全帽颜色匹配，若无匹配成功区域，则播放报警信息，若有匹配成功区域，则进行步骤S5；

步骤S5：对安全帽颜色匹配成功的区域，使用由HOG特征和SVM训练好的安全帽分类器进行安全帽检测，若没有检测到安全帽，则播放报警信息。

2.根据权利要求1所述的一种基于图像特征提取的实时安全帽检测方法，其特征在于：步骤S1中所述使用DPM算法训练人体检测模型的具体内容为：收集人体图像，建立人体图像数据集，使用DPM算法进行训练，得到人体检测模型。

3.根据权利要求1所述的一种基于图像特征提取的实时安全帽检测方法，其特征在于：步骤S1中所述训练安全帽分类器的具体内容为：提供工人佩戴安全帽图像数据集，使用OpenCV开源库提取出数据集中图像的HOG特征，并使用SVM进行训练，得到安全帽分类器。

4.根据权利要求1所述的一种基于图像特征提取的实时安全帽检测方法，其特征在于：步骤S3中所述使用DPM算法训练出的人体检测模型提取出人体所在矩形区域的具体内容为：将得到的人体检测模型应用到待检测的视频帧图像中提取出人体所在矩形区域，对得到的人体所在矩形区域，根据DPM算法返回的坐标值，再从视频帧图像中将人体所在的矩形区域分割出来。

5.根据权利要求1所述的一种基于图像特征提取的实时安全帽检测方法，其特征在于：步骤S4中所述对安全帽进行颜色匹配的具体内容为：对步骤S3中分割出的RGB人体所在矩形区域图像使用色域转换公式转化为HSV图像，HSV图像包含三个通道，分别为H，S，V，使用OpenCV中的inRange函数生成满足式（1）的二值化图像，对得到的二值化图像进行开运算与闭运算，去除噪点，然后将二值图中的白色连通区域从原始视频帧图像中提取出来得到与安全帽颜色相匹配区域F，若不存在区域F，则播放报警信息；

(Hmin≤H≤Hmax)(Vmin≤V≤Vmax)(Smin≤S≤Smax) (1)

式中，Hmin，Hmax分别代表色调的最大、最小值，Smin，Smax分别代表饱和度的最大、最小值，Vmin，Vmax分别代表亮度的最大、最小值；通过调整H，S，V的最大值与最小值来提取多种不同颜色的安全帽区域。

6.根据权利要求1所述的一种基于图像特征提取的实时安全帽检测方法，其特征在于：步骤S5中所述对安全帽颜色匹配成功的区域进行安全帽检测的具体内容为：将得到的分类器应用到待检测的F区域中，若未从待检测的F区域中检测到安全帽，则播放报警信息；其中HOG特征提取，首先将图像分成小的矩形连通区域，即细胞单元，然后采集细胞单元中各像素点的梯度的方向直方图，最后把这些直方图组合起来就构成HOG特征描述器。

7.一种基于图像特征提取的实时安全帽检测系统，其特征在于：包括以下：预处理模块，用于分别采用DPM算法和HOG特征和SVM对收集的人体数据集和安全帽数据集进行训练，得到人体检测模型和安全帽分类器；

图像获取模块，用于获取视频帧图像；

人体检测模块，用于使用DPM算法训练的人体检测模型进行人体检测，并提取出人体所在矩形区域；

安全帽颜色匹配模块，用于对提取出的人体所在矩形区域进行安全帽颜色匹配；

安全帽检测模块，用于进行安全帽检测。