[发明专利]一种基于深度学习的绝缘手套佩戴检测方法和系统

权利要求书

1.一种基于深度学习的绝缘手套佩戴检测方法，其特征在于，包括以下步骤：

获取电力工作人员的手部区域图像；

获取预训练的神经网络模型，将所述手部区域图像输入所述神经网络模型；

所述神经网络模型将所述手部区域图像的灰度特征和佩戴手套的灰度特征进行重叠度对比，获取重叠度高于第一阈值的灰度检测信息；

所述神经网络模型将所述灰度检测信息和佩戴绝缘手套的颜色特征进行重叠度对比，获取重叠度高于第二阈值的颜色检测信息；

所述神经网络模型构建所述颜色检测信息的边缘轮廓，生成边缘轮廓特征，所述神经网络模型将所述边缘轮廓特征和佩戴绝缘手套的轮廓特征进行重叠度对比，获取重叠度高于第三阈值的轮廓检测信息；

基于所述灰度检测信息、颜色检测信息和轮廓检测信息，生成手套检测结果。

2.根据权利要求1所述的一种基于深度学习的绝缘手套佩戴检测方法，其特征在于，所述神经网络模型中包括有人工输入的图像数据集，并对图像数据集标注为：佩戴手套的灰度图像数据集、佩戴绝缘手套的颜色图像数据集和佩戴绝缘手套的轮廓图像数据集。

3.根据权利要求1所述的一种基于深度学习的绝缘手套佩戴检测方法，其特征在于，获取预训练的神经网络模型，将所述手部区域图像输入所述神经网络模型后，还包括以下步骤：

对所述手部区域图像进行置信度判断，剔除置信度低于第四阈值所述手部区域图像。

4.根据权利要求1所述的一种基于深度学习的绝缘手套佩戴检测方法，其特征在于，在所述神经网络模型将所述手部区域图像的灰度特征和佩戴手套的灰度特征进行重叠度对比时，若未获取到重叠度高于第一阈值的灰度检测信息，则生成第一异常信息，所述神经网络模型调用所述第一异常信息，并向电力工作人员反馈第一报警结果；

和/或，在所述神经网络模型将所述灰度检测信息和佩戴绝缘手套的颜色特征进行重叠度对比时，若未获取到重叠度高于第二阈值的颜色检测信息，则生成第二异常信息，所述神经网络模型调用所述第二异常信息，并向电力工作人员反馈第二报警结果；

和/或，在所述神经网络模型将所述边缘轮廓特征和佩戴绝缘手套的轮廓特征进行重叠度对比时，若未获取到重叠度高于第三阈值的轮廓检测信息，则生成第三异常信息，所述神经网络模型调用所述第三异常信息，并向电力工作人员反馈第三报警结果。

5.根据权利要求1所述的一种基于深度学习的绝缘手套佩戴检测方法，其特征在于，获取电力工作人员的手部区域图像时，还包括以下子步骤：

使用深度学习算法检测帧图像中是否存在工作人员图案，若存在工作人员图案，则使用标记框标记所述工作人员图案，使用姿态估计算法提取所述标记框内的工作人员图案对应的腕部坐标和掌部坐标；最后根据腕部坐标和掌部坐标，以及所述标记框内的工作人员图案的手部提取图形提取所述标记框内的手部区域图像。

6.根据权利要求5所述的一种基于深度学习的绝缘手套佩戴检测方法，其特征在于，所述神经网络模型将所述手部区域图像的灰度特征和佩戴手套的灰度特征进行重叠度对比时，包括以下具体步骤：

所述神经网络模型以所述腕部坐标为中心建立坐标系，从所述腕部坐标到所述掌部坐标方向建立第一提取路径，所述神经网络模型在第一提取路径上依次提取多个连续不断的灰度特征；

在提取多个连续不断的灰度特征后，从所述第一提取路径上，所述神经网络模型依次对相邻两个所述灰度特征进行对比，若相邻两个所述灰度特征之间的灰度差值γ大于第五阈值，则在此相邻两个所述灰度特征中，将导致灰度差值γ大于第五阈值的所述灰度特征标记为灰度特征，然后将所述灰度特征和佩戴手套的灰度特征进行重叠度对比。