[发明专利]一种基于YOLOV3网络和kcf跟踪算法的安全帽检测跟踪方法

说明书

本发明公开了一种基于YOLOV3网络和kcf跟踪算法的安全帽检测跟踪方法，包括控制图像采集模块获取视野内的深度图像数据；将所获取的深度图像数据输入YOLOV3网络进行目标检测，得到YOLOV3网络输出的标注有目标框的位置以及每个目标框对应的类别的图像；将YOLOV3网络输出的图像初始化为kcf跟踪算法的输入图像，若输入图像存在未佩戴安全帽的目标，则kcf跟踪算法选取深度信息最小的目标框进行跟踪；根据深度信息下发运动指令至运动模块，控制运动机器人运动至所选取的距离最近的目标，并通过语音模块发出相应的语音提醒；本发明目标检测效率更高，且实现全面化、无死角的监控，同时能够避免对同一目标的重复检测。

技术领域

本申请属于目标检测技术领域，具体涉及一种基于YOLOV3网络和kcf跟踪算法的安全帽检测跟踪方法。

背景技术

在一些大型的工厂、工地等实际场景中，安全帽是保护工人安全的必要措施，因此均会要求施工人员佩戴安全帽。但由于部分工人缺乏安全意识，经常不按规定佩戴安全帽，这对工人自身而言是存在巨大安全隐患的。

为了监督工人按要求佩戴安全帽，目标大部分工厂、工地都采用视频监控，采用人工监督方法，但是该方法需要大量的人力，而且部分角落还存在监控盲区问题，因此需要一个更为可靠的方法。

近年来随着人工智能的快速发展，目标检测技术成为一大热门研究方向，大量优秀的目标检测算法诞生。而安全帽作为保护工人头部的有效防护工具，可以采用目标检测的方法来识别工人是否佩戴安全帽。但是大部分的工厂、工地的面积都比较大，固定安装的摄像头同样存在检测不到的区域。并且目前在安全帽检测中，存在对未佩戴安全帽的工人重复检测的问题，浪费算力资源，也降低了检测效率。

发明内容

本申请的目的在于提供一种基于YOLOV3网络和kcf跟踪算法的安全帽检测跟踪方法，目标检测效率更高，且实现全面化、无死角的监控，同时能够避免对同一目标的重复检测。

为实现上述目的，本申请所采取的技术方案为：

一种基于YOLOV3网络和kcf跟踪算法的安全帽检测跟踪方法，所述基于YOLOV3网络和kcf跟踪算法的安全帽检测跟踪方法实施在运动机器人上，所述运动机器人包括图像采集模块、运动模块、语音模块和主控模块，所述主控模块运行存储的计算机程序实现所述基于YOLOV3网络和kcf跟踪算法的安全帽检测跟踪方法，所述基于YOLOV3网络和kcf跟踪算法的安全帽检测跟踪方法，包括：

步骤1、控制所述图像采集模块获取视野内的深度图像数据；

步骤2、将所获取的深度图像数据输入YOLOV3网络进行目标检测，得到YOLOV3网络输出的标注有目标框的位置以及每个目标框对应的类别的图像，其中目标框的类别为佩戴安全帽或未佩戴安全帽；

步骤3、将YOLOV3网络输出的图像初始化为kcf跟踪算法的输入图像，kcf跟踪算法订阅了深度话题和图像话题，若输入图像不存在未佩戴安全帽的目标，则kcf跟踪算法不进行跟踪；若输入图像存在未佩戴安全帽的目标，则kcf跟踪算法选取深度信息最小的目标框进行跟踪；

步骤4、根据所选取的目标框的深度信息下发运动指令至所述运动模块，控制运动机器人运动至所选取的距离最近的目标，并通过语音模块发出相应的语音提醒；

其中，YOLOV3网络的候选框的大小的生成过程如下：

1)随机选取一个box作为初始anchor；

2)遍历所有的box分别与初始anchor进行IOU计算；

3)选取与初始anchor的IOU最小的box为新的初始anchor；

4)重复步骤2)和3)直到选出k个box作为初始anchor；