[发明专利]具有人脸识别功能的未带安全帽人像识别方法

说明书

本发明公开了一种具有人脸识别功能的未带安全帽人像识别方法，属于图像识别技术领域。它包括以下步骤：(1)输入视频图像，通过Yolov3算法对目标进行分类，分出佩戴安全帽和未戴安全帽两类图像；(2)从未戴安全帽的图像中抠出人脸区域；(3)采用超分辨率重建模型SRCNN近似还原远处模糊人脸，得到近似的清晰人脸图像；(4)通过人脸识别算法Insight Face对近似的清晰人脸图像进行处理，识别出名字；(5)发出包含未戴安全帽人员名字的警示信息。即使在远距离下，算法也可有效检测到未戴安全帽人员，能够立即识别出是哪个人未带安全帽，并播报出该人员的名字，进一步提高了对远距离未佩戴安全帽人员的识别正确率。

技术领域

本发明涉及一种具有人脸识别功能的未带安全帽人像识别方法，属于图像识别技术领域。

背景技术

传统的人脸识别算法有FaceNet深度学习算法。Facenet提出了Triple Loss，以三元组形式进行优化，获得类内紧凑和类间差异。具体来说就是，随机从某个人照片中选择一张，叫做Anchor；再从这个人照片中选择另一个照片，叫做Positive；最后随机选择一张其他人的照片，叫做Negative；这样就构成了图像的三元组。人脸识别的优化目标是同一个人距离尽可能近，不同人的距离尽可能远。

Facenet在lfw人脸数据集上的精度是96％，占用显存是2G，对齐图片在70毫秒左右，初始化时间较长，预测单张图片的时间在30毫秒左右。总体来说精度一般，占用显存过高，商业化使用配置高内存的显卡性价比太低。

由于深度学习模型对高像素的图像检测花费时间较长，限制了图像像素的提高。因此导致3米以外的人脸像素很难达到75x75 pixel。采用目标检测算法YOLOv3筛选出未带安全帽的图像，对于那些太远的未佩戴安全帽的人员，脸部清晰度较低，无法正确识别，不能获取未佩戴安全帽的人员信息，为了还原清晰的人脸关键点，设计一种具有人脸识别功能的未带安全帽人像识别方法，它能够将未佩戴安全帽人员进行识别归类，并进一步提高对未佩戴安全帽人员的识别准确度。

发明内容

本发明所要解决的技术问题在于：提供一种具有人脸识别功能的未带安全帽人像识别方法，它能够将未佩戴安全帽人员进行识别归类，并进一步提高对远处未佩戴安全帽人员的识别准确度。

本发明所要解决的技术问题采取以下技术方案来实现：

具有人脸识别功能的未带安全帽人像识别方法，它包括以下步骤：

(1)输入视频图像，通过Yolov3算法对目标进行分类，分出佩戴安全帽和未戴安全帽两类图像，当图像中人员佩戴安全帽，则不作处理，当图像中人员未戴安全帽，则进行步骤(2)；

(2)从未戴安全帽的图像中抠出人脸区域；

(3)采用超分辨率重建模型SRCNN近似还原远处模糊人脸，得到近似的清晰人脸图像；

(4)通过人脸识别算法Insight Face对近似的清晰人脸图像进行处理，识别出名字；

(5)发出包含未戴安全帽人员名字的警示信息。

作为优选实例，所述步骤(5)采用广播播报出警示信息。

其中，Yolov3针对于更好的切分出人脸图像，对YoLov3的IoU进行了替换，使用GIoU代替原始的IoU(交并比)，通过改进的Yolov3检测算法，能够更准确的截取出未带安全帽人员的人脸。