[发明专利]防护服着装规范检测方法、装置、设备及存储介质在审
申请号: | 202110206375.3 | 申请日: | 2021-02-24 |
公开(公告)号: | CN112906581A | 公开(公告)日: | 2021-06-04 |
发明(设计)人: | 李斯;赵齐辉 | 申请(专利权)人: | 上海东普信息科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/40;G06N3/08 |
代理公司: | 北京市京大律师事务所 11321 | 代理人: | 姚维 |
地址: | 201700 上海市青浦区*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 防护服 着装 规范 检测 方法 装置 设备 存储 介质 | ||
1.一种防护服着装规范检测方法,其特征在于,所述防护服着装规范检测方法包括:
获取待检测的监控视频,并对所述监控视频进行分帧,得到多个视频帧;
分别对所述各视频帧进行预处理,得到多个标准视频帧;
依次将所述各标准视频帧输入预置防护服着装规范检测模型进行防护服着装规范检测,输出检测结果,其中,所述防护服着装规范检测模型包括:输入层、卷积层、Ghostnet层和输出层;
若所述检测结果为当前标准视频帧中存在防护服着装不规范,则将标注有防护服着装不规范信息的视频帧传输至监控终端进行着装不规范提醒。
2.根据权利要求1所述的防护服着装规范检测方法,其特征在于,在所述获取待检测的监控视频之前,还包括:
获取多个防护服着装规范的样本图像和预置训练模型;
对所述各样本图像进行信息标注,得到所述各样本图像对应的标注图像;
将所述样本图像输入所述训练模型的输入层进行进行归一化,得到第一归一化图像;
将所述第一归一化图像输入所述训练模型的卷积层进行卷积运算和特征提取,得到第一特征图;
将所述第一特征图输入所述训练模型的Ghostnet层进行特征提取和残差学习,得到所述第一特征图对应的第二特征图;
将所述第一特征图和所述第二特征图输入所述训练模型的输出层进行像素点预测,得到所述样本图像的各个像素点对应的预测结果并输出;
根据所述预测结果和所述标注图像,对所述训练模型的参数进行优化,直至所述训练模型收敛,得到防护服着装规范检测模型。
3.根据权利要求2所述的防护服着装规范检测方法,其特征在于,所述对所述各样本图像进行信息标注,得到所述各样本图像对应的标注图像包括:
调用预置Labellmg工具,分别对所述各样本图像中的防护服着装区域进行选取,得到多个样本区域图像,并分别对所述各样本区域图像进行区域信息标注,得到所述各样本图像对应的标注图像。
4.根据权利要求2所述的防护服着装规范检测方法,其特征在于,所述将所述第一特征图和所述第二特征图输入所述训练模型的输出层进行像素点预测,得到所述样本图像的各个像素点对应的预测结果并输出包括:
将所述第一特征图和所述第二特征图所述训练模型的输出层,并通过所述输出层对所述第一特征图和所述第二特征图进行拼接,得到拼接特征图;
通过所述输出层对所述拼接特征图进行整合,得到所述样本图像对应的输出值;
通过所述输出层计算所述输出值对应所述样本图像中的各个像素点为特征点的概率值;
判断各个所述概率值是否预置特征点阈值;
若是,则将所述概率值大于所述特征点阈值的像素点的位置坐标作为预测结果并输出。
5.根据权利要求2所述的防护服着装规范检测方法,其特征在于,所述根据所述预测结果和所述标注图像,对所述训练模型的参数进行优化,直至所述训练模型收敛,得到防护服着装规范检测模型包括:
调用预置损失函数,计算所述预测结果和所述标注图像之间的第一损失值;
将所述第一损失值反向传播回所述训练模型,并基于预置优化器,对所述训练模型的学习率和参数进行优化,得到优化模型;
获取验证图像和所述验证图像对应的标注图像,并将所述验证图像输入所述优化模型进行防护服着装规范检测,得到验证结果;
计算所述验证图像和所述验证图像对应的标注图像的第二损失值,若所述第二损失值小于预置损失阈值,则将所述优化模型作为防护服着装规范检测模型。
6.根据权利要求1-5中任一项所述的防护服着装规范检测方法,其特征在于,所述分别对所述各视频帧进行预处理,得到多个标准视频帧包括:
对所述各视频帧进行去噪,得到多个去噪视频帧;
对所述各去噪视频帧进行对比度增强,得到多个增强视频帧;
对所述各增强视频帧进行亮度和饱和度调整,得到多个标准视频帧。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海东普信息科技有限公司,未经上海东普信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110206375.3/1.html,转载请声明来源钻瓜专利网。