[发明专利]施工场景中安全帽佩戴情况的检测及描述方法

摘要

本发明提供了一种施工场景中安全帽佩戴情况的检测及描述方法，本发明对工人安全帽佩戴情况采用图像及自然语言处理的方法进行检测和描述。在图像描述方面由于当前基于神经网络的图像描述方法缺乏可解释性且细节部分描述不充分，同时施工场景图像描述的研究较为匮乏，本发明采用YOLOv3目标检测算法，以及基于规则和模板相结合的方法生成安全帽佩戴的描述语句。使用K‑means聚类初始化锚框参数值，然后在自制数据集上进行训练与检测，最后根据预定义的规则结合语句模板生成安全帽佩戴的图像描述。本发明在检测效率方面具有明显的优势，同时生成的描述较为准确，可以达到降低事故发生率的目的。

主权项

1.一种施工场景中安全帽佩戴情况的检测及描述方法，其特征在于：包括以下步骤：S1：数据集的制作；通过网络爬虫技术搜集图片或自行现场采集图片的方式对施工现场场景展开数据集的图像采集工作；所采集的数据囊括各种背景条件、不同分辨率和不同质量的施工场所关于安全帽佩戴的图片，图片中含有佩戴安全帽的施工人员和未佩戴安全帽的施工人员，将采集的所有图片作为安全帽佩戴数据集；安全帽佩戴数据集的制作包括：安全帽佩戴检测数据集制作以及安全帽佩戴图像字幕数据集制作；S2：目标检测；S2.1：检测模型的选择，从算法的检测速度和检测精度两方面综合考虑，选取YOLOv3作为施工场景中是否佩戴安全帽的判断及描述模型；S2.2：自制数据集预处理，对步骤S1中自制的安全帽佩戴数据集的标注信息进行归一化处理，转换成YOLOv3可用的训练格式；S2.3：K‑means聚类初始化锚框；在步骤S2.2归一化后的安全帽佩戴数据集上进行K‑means聚类算法初始化锚框，用以预测边界框的坐标；S2.4：网络模型的训练；首先对标注目标坐标信息进行定位，然后对标注目标边界框置信度进行预测，以及对预定义目标类别的得分进行预测，最后将未标注测试图片送入训练好的目标检测网络模型中，若检测目标的得分大于设定阈值则框出图像中检测到的目标及输出目标得分，否则无法检测出图像中的目标；S2.5：网络测试首先将输入图片大小重置为416×416，然后利用Darknet‑53网络进行图片特征的提取，接着将特征向量送至特征金字塔结构中进行多尺度预测，最后对预测出的边界框进行非极大值抑制，以消除重复检测得到最终的预测结果；S3：语句生成；首先利用目标检测算法检测出图像中的视觉概念，其次结合预先定义的规则和句子模板，然后将检测到的视觉概念填充到句子模板中，最后生成安全帽佩戴的描述语句。