[发明专利]一种基于视觉的人员安全帽佩戴识别方法和装置

说明书

本发明公开了一种基于视觉的人员安全帽佩戴识别方法和装置，该方法包括：检测监控视频流中的动目标并获取动目标图像数据集RoI；提取动目标图像数据集RoI的多尺度梯度方向直方图MHOG的特征向量输入到预先训练的支持向量机SVM中，以将动目标图像数据集RoI分为人员和非人员数据集两种类型；定位人员数据集中的头部区域并获取头部图像数据集；将头部图像数据集划分为头部图像训练集和头部图像测试集；将头部图像训练集输入到卷积神经网络CNN中进行迁移学习，以获得迁移学习网络模型；将头部图像测试集输入到迁移学习网络中进行分类识别。本申请能够在检测人员是否佩戴安全帽的同时识别出安全帽的颜色，可实现对人员进行安全监控以及人员身份判别。

技术领域

本申请涉及图像识别技术领域，尤其是涉及一种基于视觉的人员安全帽佩戴识别方法和装置。

背景技术

安全生产是现代工业生产的重中之重，任何人进入工业现场都必须佩戴安全帽。安全帽的存在不仅代表着特定区域内人员的存在，同时它的颜色也代表着人员在某个行业的工作类型和身份。因此，对安全帽佩戴识别对提高工业安全管理具有重要意义。

与传统劳动密集型、时间密集型的管理方式相比，利用视觉技术进行安全帽佩戴识别有助于推动工业生产的自动化，这也是工业发展的必然趋势。在过去的几年里，一些研究人员开发了相关技术来识别安全头盔。由于人脸是安全帽附近最突出的部位，而近年来人脸识别的应用也越来越成熟，有学者研究了通过人脸定位识别安全帽佩戴的方法，但是当工人背对着摄像机或面部被遮挡时，这种方法就无效了。随着深度学习和视觉技术的快速发展，直接依赖端到端深度学习模型识别安全帽的方法不断涌现且在工业信息化、智能化领域取得了显著成效，但对于小样本问题，基于深度学习的训练模型拟合效果差，同时深度学习模型对监控设备性能要求较高，应用成本较大。基于分阶段实现的安全帽佩戴识别方法对人员尺度大小变化和人员姿态具有更强的适应能力，实用性好且识别效率高。

发明内容

为了解决上述背景技术中的问题，本申请提供一种基于视觉的人员安全帽佩戴识别方法和装置。

第一方面，本申请提供了一种基于视觉的人员安全帽佩戴识别方法，包括：

获取监控视频流中的人员图像数据集；

提取所述人员图像数据集中的头部图像数据集；

将所述头部图像数据集输入到建立的安全帽识别模型，得到识别结果；其中，所述安全帽识别模型采用多组训练数据，每组训练数据均包括人员头部图像数据及对应的标签，并通过神经网络训练；

基于所述识别结果，根据所述标签判断人员是否佩戴安全帽以及人员身份类别。

优选的，所述安全帽识别过程包括：

检测监控视频流中的运动目标，并获取动目标图像数据集RoI；

提取所述动目标图像数据集的多尺度梯度方向直方图特征向量MHOG，并输入到预先训练的支持向量机SVM中，从所述动目标图像数据集中分别出人员图像数据集；

获取人员头部区域，并以所述头部区域为模板从所述人员图像数据集中提取人员头部图像，并构建人员头部图像数据集，将所述人员头部图像数据集划分为头部图像训练数据集和头部图像测试数据集；

将所述头部图像训练数据集输入到卷积神经网络进行迁移学习，获得迁移学习网络模型；

将所述头部图像测试数据集输入到所述迁移学习网络模型中进行分类识别。

优选的，所述检测监控视频流中的运动目标并获取动目标图像数据集RoI包括：

采用高斯混合模型GMM检测所述监控视频流中的运动目标，以生成运动目标掩模图像；

采用形态学操作消除所述运动目标掩模图像的噪声；