[发明专利]一种综合作业人员安全检测方法

权利要求书

1.一种综合作业人员安全检测方法，其特征在于，包括以下步骤：

获取用于进行综合作业人员安全检测的基础模型，所述基础模型是PyTorch模型；

将所述PyTorch模型转化为ONNX模型；

对所述ONNX模型进行低精度量化处理和去除拓扑处理；

将处理后的ONNX模型转换为IR模型；

让所述IR模型运行在神经计算棒上；

其中，所述基础模型还包括人物测距模型、疲劳操作识别模型、危险动作识别模型、人脸识别模型及安全帽检测；

所述人物测距模型包括目标检测和测距，目标检测即为对每帧图像进行人、车的目标检测，并绘制检测框；根据测距方法，计算人和车的距离，根据距离是否小于阈值判断是否需要报警；

所述目标检测包括以下方法：

利用交叉验证的方法确定检测框无交叠情形下最优的交并比IoU阈值N_t；

根据连通的检测框数量来判断是否存在交叠；

若否，根据IoU阈值N_t对检测框进行NMS操作；

若是，对连通的检测框进行聚类分析，通过聚类分析将连通的检测框分为多个簇，再在各个簇里面，根据IoU阈值N_t来进行NMS操作；

对连通的检测框进行聚类分析的方法包括：

采用YOLOv3作为训练模型，其为每个目标分配的检测框的数量是固定的，根据连通的检测框的数量除以每个目标分配的检测框的数量，并上取整，根据上取整来确定簇的数量；

再计算各连通的检测框中心点彼此的距离，形成距离邻接矩阵，去掉邻接矩阵对称部分，计算矩阵各列最大值，形成行向量，对所述行向量进行差分运算，根据簇的数量，将距离排在前几个的两个连通的检测框的连通性强行断开，从而形成多个簇。

2.根据权利要求1所述的综合作业人员安全检测方法，其特征在于，所述人物测距模型中测距的方法包括：

采用单目测距的方法计算人和车的距离，所述单目测距的公式如下：

D＝(W×F)/P

其中，W为目标宽度，F为相机的焦距，P为像素宽度；

所述W和F为常量，同时，通过对焦的方式确定摄像头的焦距F，可根据目标检测框的宽度确定像素宽度P。

3.根据权利要求1所述的综合作业人员安全检测方法，其特征在于，所述疲劳操作识别模型的方法包括：对操作人员进行面部检测，再在面部检测结果的基础上进行眼睛的检测，根据眼睛的检测结果判断操作人员是否为闭眼的状态，若是，则判断闭眼的连续时长是否超过阈值，若是，则判断操作人员是处于疲劳状态，则给出预警。

4.根据权利要求3所述的综合作业人员安全检测方法，其特征在于，判断操作人员是否为闭眼的状态时，通过使用Haar模型首先进行面部的检测，在面部检测结果的基础上再进行眼的检测，当没有检测到眼时，则直接认为是闭眼状态。

5.根据权利要求1所述的综合作业人员安全检测方法，其特征在于，所述危险动作识别模型的方法包括：

对每帧图像识别人体关键节点，并计算人体姿势特征向量，

同时，对特定物品进行目标检测，所述特定物品包括手机和水杯；

使用支持向量机根据人体姿势特征向量和目标检测特征数据，对危险行为进行分类识别。

6.根据权利要求1所述的综合作业人员安全检测方法，其特征在于，所述人脸识别模型的方法包括：

使用Dlib模型进行人脸检测，检测到人脸后，截取人脸图像，并将该图像转换为特定大小的数据集，再将所述数据集作为卷积神经网络的输入，通过卷积神经网络的卷积层和池化层对数据集进行变换，得到512维特征向量，根据512维特征向量进行分类，得到分类结果。

7.根据权利要求1所述的综合作业人员安全检测方法，其特征在于，所述安全帽检测的方法包括：

使用Dlib模型进行人脸检测，检测到人脸后，对人脸对应的人物进行拍照，获取图像信息，检测过程采用API接口的方式，通过互联网访问检测模型，平台通过互联网给出检测结果，若检测到了安全帽，则将检测框的位置信息以JSON串的方式返回，若未检测到安全帽，则返回JSON串为空。