[发明专利]一种基于视觉的船舶封闭舱室人员监测方法和系统

权利要求书

1.一种基于视觉的船舶封闭舱室人员监测方法，其特征在于，包括：

获取船舶封闭舱室人员监测图像，对所述监测图像进行处理获取人脸对象，对所述人脸对象进行特征提取，获取人脸识别特征；

将所述人脸识别特征输入人员身份识别模型，所述人员身份识别模型用于对所述人脸识别特征进行分类处理，输出人脸识别特征与预先存储在人员数据集中的人脸特征的对比结果，根据所述对比结果输出人员身份信息；

当所述人员身份信息显示当前人脸对象的身份为工作人员时，立即进行人员实时跟踪处理，所述人员跟踪处理包括获取人员进入时刻、人员离开时刻，以及计算中间停留时间；

当中间停留时间超过预设的工作时长阈值时，进行人员工作超时反馈。

2.根据权利要求1所述的一种基于视觉的船舶封闭舱室人员监测方法，其特征在于，当所述人员身份信息显示当前人脸对象的身份为非工作人员时，对陌生人员进行风险提示。

3.根据权利要求1所述的一种基于视觉的船舶封闭舱室人员监测方法，其特征在于，对所述人脸对象进行特征提取，获取人脸识别特征，包括：

运用多尺度Retinex人脸图像增强算法对所述监测图像进行增强处理；

基于增强后的人脸图像进行特征提取，提取的特征能够代表人脸相关特性，对提取的特征进行降维处理，生成人脸识别特征。

4.根据权利要求3所述的一种基于视觉的船舶封闭舱室人员监测方法，其特征在于，运用多尺度Retinex人脸图像增强算法对所述监测图像进行增强处理包括：

获取监测图像和当前光源图像，根据所述监测图像和当前光源图像求取反射图像，其中，所述监测图像分解为光源图像和反射图像的乘积；光源图像为监测图像经低通滤波后获取。

5.根据权利要求1所述的一种基于视觉的船舶封闭舱室人员监测方法，其特征在于，所述人员身份识别模型为多任务级联卷积神经网络模型，所述多任务级联卷积神经网络包括输入层、P-Net子网络、R-Net子网络以及O-Net子网络；所述多任务级联卷积神经网络模型的工作过程包括：

在输入层通过图像金字塔对初始图像进行尺度变换；

通过P-Net子网络生成大量的候选目标区域框；再通过R-Net子网络对所有目标区域框执行第一次分类和边界回归，排除大部分不含目标的区域框；

使用O-Net子网络对剩余的目标区域框执行更进一步的判别和回归，以输出正确的人脸检测预测框。

6.一种基于视觉的船舶封闭舱室人员监测系统，其特征在于，包括：

人脸监测模块，用于获取船舶封闭舱室人员监测图像，对所述监测图像进行处理获取人脸对象，对所述人脸对象进行特征提取，获取人脸识别特征；将所述人脸识别特征输入人员身份识别模型，所述人员身份识别模型用于对所述人脸识别特征进行分类处理，输出人脸识别特征与预先存储在人员数据集中的人脸特征的对比结果，根据所述对比结果输出人员身份信息；

实时跟踪模块，用于当所述人员身份信息显示当前人脸对象的身份为工作人员时，立即进行人员实时跟踪处理，所述人员跟踪处理包括获取人员进入时刻、人员离开时刻，以及计算中间停留时间；

反馈超时模块，其用于当中间停留时间超过预设的工作时长阈值时，进行人员工作超时反馈。

7.根据权利要求6所述的一种基于视觉的船舶封闭舱室人员监测系统，其特征在于，还包括：

风险预警模块，用于当所述人员身份信息显示当前人脸对象的身份为非工作人员时，对陌生人员进行风险提示。