[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

说明书

本发明公开了一种基于深度学习的绝缘手套佩戴检测方法和系统，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，将手部区域图像输入所述神经网络模型；获取重叠度高于第一阈值的灰度检测信息；获取重叠度高于第二阈值的颜色检测信息；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。采用本方案，能通过深度学习，依次检测工作人员是否佩戴手套、是否佩戴绝缘手套以及是否正确佩戴手套，进一步提高了工作人员对提升安全防护意识和现场安全作业水平。

技术领域

本发明涉及神经网络图像处理技术领域，具体涉及一种基于深度学习的绝缘手套佩戴检测方法和系统。

背景技术

随着生产生活对电力能源的需求量的增加，我国对电力生产产生了更高的需求，受多方面因素的影响,我国电力生产事故的发生频率处于较高水平,对城市的安全生产造成了威胁，因此,必须要将全方位的安全生产理念引入到电力生产作业中,为电力系统的正常运行提供保障，电力生产作业过程中工序复杂，日常巡检和维修过程中会接触高压电力设备，如操作不当或未佩戴防护装备，特别是在高空作业中，极容易出现安全事故。

为解决上述问题，现有技术中公开了基于神经网络和相对算法来检测工作人员是否佩戴手套，但其仅能检测出工作人员是否佩戴手套，但对于进一步检测工作人员是否佩戴绝缘手套，以及是否正确佩戴手套，目前还未有深度的检测方式。因此，进一步研究对工作人员防护措施的检测，对提升安全防护意识和现场安全作业水平具有重要意义。

发明内容

本发明的目的在于提供一种基于深度学习的绝缘手套佩戴检测方法和系统，采用本方案，能通过深度学习，依次检测工作人员是否佩戴手套、是否佩戴绝缘手套以及是否正确佩戴手套，进一步提高了工作人员对提升安全防护意识和现场安全作业水平。

本发明通过下述技术方案实现：

一种基于深度学习的绝缘手套佩戴检测方法，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。

进一步优化，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。

进一步优化，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。

进一步优化，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；