[发明专利]电工绝缘手套实时检测方法、计算机可读介质

权利要求书

1.一种电工绝缘手套实时检测方法，其特征在于，包括以下步骤：

使用深度学习算法检测帧图像中是否存在行人图案，若在帧图像中检测到行人图案，则使用标记框标记所述行人图案；

使用姿态估计算法提取所述标记框内的行人图案对应的腕关节坐标、肘关节坐标，根据腕关节坐标、肘关节坐标，以及所述标记框内的行人图案的手部提取图形提取所述标记框内的手部区域图像；

在HSV空间中比较所述手部区域图像中每一像素的灰度值与绝缘手套灰度阈值，获得灰度值在绝缘手套灰度阈值范围内的像素与手部区域图像的像素的比例，比较所述比例与绝缘手套识别比例阈值，输出绝缘手套识别结果。

2.如权利要求1所述的电工绝缘手套实时检测方法，其特征在于，所述深度学习算法为SSD算法，所述SSD算法的特征提取层包括Inception结构。

3.如权利要求1所述的电工绝缘手套实时检测方法，其特征在于，所述深度学习算法利用tensorflow搭建卷积神经网络结构，由输入层、卷积层、激励层，池化层、全连接层和输出层组成，其中输入层接收图片数据，作为tensor张量传入，所述卷积层数目≥5，每一卷积层均采用padding和pooling算法，将一个带有卷积核的local receptive fields扫描生成为一个feature map，并且在网络层之间采用batch normalization，所述全连接层有2层，通过activation_function将信息转化为一个二分类的结果作为输出层，实现特定目标状态判断。

4.如权利要求1所述的电工绝缘手套实时检测方法，其特征在于，所述姿态估计算法使用Openpose回归出行人的关节点以及PAF，再通过PAF对这些关节点进行划分，获得腕关节坐标、肘关节坐标。

5.如权利要求1所述的电工绝缘手套实时检测方法，其特征在于，以所述腕关节坐标为参考点，以所述肘关节坐标和所述腕关节坐标确定所述手部提取图形的旋转角，使用匹配所述标记框内的行人图案的手部提取图形提取所述图形标记框内的手部区域图像。

6.如权利要求5所述的电工绝缘手套实时检测方法，其特征在于，测算匹配所述标记框内的行人图案的手部提取图形的方法是：使用姿态估计算法处理所述标记框内的行人图案时，还提取所述标记框内的行人图案对应的踝关节坐标和头部坐标，根据所述踝关节坐标、所述头部坐标、手部提取图形与身高比测算所述行人图案的手部提取图形大小。

7.如权利要求5所述的电工绝缘手套实时检测方法，其特征在于，测算匹配所述标记框内的行人图案的手部面积的方法是：根据标记框面积，以及行人图案的手部提取图形面积与标记框面积的比例，测算所述行人图案的手部提取图形大小。

8.如权利要求1所述的电工绝缘手套实时检测方法，其特征在于，若所述比例＜绝缘手套识别比例阈值，所述绝缘手套识别结果为：所述标记框内所述行人图案对应的手部未佩戴绝缘手套。

9.一种存储有电工绝缘手套检测程序的计算机可读介质，其特征在于，所述电工绝缘手套检测程序能够被运行以执行如权利要求1-8中任一项所述的电工绝缘手套实时检测方法。

10.一种存储有电工绝缘手套检测程序的计算机可读介质，其特征在于，所述电工绝缘手套检测程序包括：输入模块、识别模块和输出模块，所述输入模块用于接收待识别图像；所述识别模块包括用于检测行人图案的深度学习算法、用于提取行人图案的关节坐标的姿态估计算法、用于提取行人图案的手部图形的目标区域像素提取算法、HSV空间转换算法和比较器，所述输出模块用于输出绝缘手套识别结果。