[发明专利]一种基于核电安全的小目标智能识别方法

权利要求书

1.一种基于核电安全的小目标智能识别方法，其特征在于，所述方法包括大尺寸图像分割预处理方法、目标检测算法的二级网络结构和大尺寸图像内空间坐标还原方法；

所述大尺寸图像分割预处理方法：根据训练模型输入固定图像尺寸对输入待检测图像进行合理的大小划分，得到符合检测模型要求的分块图像，依次输入模型进行检测；

所述目标检测算法的二级网络结构包括人员检测及区域提取算法、人员安全帽佩戴状况识别算法、人员工服穿着情况识别算法、人员反光背心穿着情况识别算法、人员护目镜佩戴状况识别算法、人员安全带佩戴识别算法、作业环境区域内的人车分流识别算法、作业环境区域内的高风险区域识别算法、作业环境区域内的起火点区域识别算法；

所述大尺寸图像内空间坐标还原方法：根据所述大尺寸图像分割预处理结果，设定输出的分割图像坐标到全局或大尺寸图像空间坐标变换函数关系。

2.如权利要求1所述的一种基于核电安全的小目标智能识别方法，其特征在于，所述人员检测及区域提取算法：在yolov5网络下，大数据训练核电作业场景下人员检测模型，并根据检测框在原图坐标，提取出检测框区域内人员图像信息；

所述人员安全帽佩戴状况识别算法：基于yolov5的网络对人员头部的安全帽佩戴情况进行二级识别网络的训练，得到安全帽佩戴状况识别模型，以此判断核电作业环境下目标人员佩戴安全帽的情况；

所述人员工服穿着情况识别算法：基于yolov5的网络对人员工服穿着情况进行二级识别网络的训练，得到人员工服穿着情况识别模型，以此判断核电作业环境下目标人员工服穿着情况；

所述人员反光背心穿着情况识别算法：基于yolov5的网络对人员反光背心穿着情况进行二级识别网络的训练，得到人员反光背心穿着情况识别模型，以此判断核电作业环境下目标人员反光背心穿着情况；

所述人员护目镜佩戴状况识别算法：基于yolov5的网络对人员护目镜佩戴状况进行二级识别网络的训练，得到人员护目镜佩戴状况识别模型，以此判断核电作业环境下目标人员护目镜佩戴状况；

所述人员安全带佩戴识别算法：基于yolov5的网络对人员安全带佩戴状况进行二级识别网络的训练，得到人员安全带佩戴识别模型，以此判断核电作业环境下目标人员安全带佩戴情况；

所述作业环境区域内的人车分流识别算法：在固定角度下进行二级判断，查看检出人员是否在车辆道路区域范围内的情况；

所述作业环境区域内的高风险区域识别算法：在固定角度下进行二级判断，查看检出人员是否在高风险区域范围内的情况；

所述作业环境区域内的起火点区域识别算法：基于yolov5网络下，大数据训练异常明火状况识别模型，并在明火识别基础下，在特定作业区域或范围内，判断有无异常明火的状况。

3.如权利要求1所述的一种基于核电安全的小目标智能识别方法，其特征在于，所述大尺寸图像分割预处理方法对所述大尺寸图像分块边界处理时，按照固定的图像宽高比对所述大尺寸图像进行划分生成新的检测子图像，在所述大尺寸图像相邻交界分离基础上增加适量重合区域，以实现对所述大尺寸图像信息最大化以及检测目标图形特征完整性的保留。

4.如权利要求1所述的一种基于核电安全的小目标智能识别方法，其特征在于，所述大尺寸图像分割预处理方法按照训练模型输入最佳宽高比例，以指定倍率缩放的尺寸均匀划分输入图像，以保证原图像中检测目标形态特征不变。

5.如权利要求1所述的一种基于核电安全的小目标智能识别方法，其特征在于，所述大尺寸图像内空间坐标还原方法为通过计算分割图像在所述大尺寸图像的相对位置，以及目标物体在分割图像的相对位置进行，逐层计算，得出目标物体从大尺寸图像的空间坐标到分割图像空间坐标的函数变换关系。