CN110796049A - 基于图像处理的生产作业人员安全帽佩戴检测方法及系统 - Google Patents
基于图像处理的生产作业人员安全帽佩戴检测方法及系统 Download PDFInfo
- Publication number
- CN110796049A CN110796049A CN201910995160.7A CN201910995160A CN110796049A CN 110796049 A CN110796049 A CN 110796049A CN 201910995160 A CN201910995160 A CN 201910995160A CN 110796049 A CN110796049 A CN 110796049A
- Authority
- CN
- China
- Prior art keywords
- head
- safety helmet
- safety
- image processing
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000012706 support-vector machine Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明一种基于图像处理的生产作业人员安全帽佩戴检测方法,包括以下步骤:实时捕捉安全生产现场的画面图片;对安全生产现场的画面图片进行预处理,并进行人体头部检测,基于人体头部检测的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征,进而根据采用色彩特征分析结果结合模板匹配对是否佩戴安全帽进行检测。该方法能够及时获取工作场景内的人员是否佩戴安全帽,如果发现未佩戴安全帽的危险行为,可以发出警告,并且截图留存证据。通过技术手段,加强生产作业现场安全管理规定的执行力度。
Description
技术领域
本发明涉及图像识别技术领域,特别涉及一种基于图像处理的生产作业人员安全帽佩戴检测方法及系统。
背景技术
工业安全生产管理中,现场工作人员的安全保障尤为重要,其中安全帽作为一种有效的安全防护用品,能够很好的保护工作人员的头部免受冲击物的伤害。但是由于管理不当,安全意识不强等原因导致现场人员未按要求配戴安全帽,由此引发的安全事故也屡有发生。因此,对作业人员是否佩戴安全帽进行识别、检测,对预防和有效控制违章作业,提高相关生产作业系统的安全性、可靠性、经济性具有重要意义。
目前现场工作人员在作业时对佩戴安全帽规定的遵守,主要依靠现场安全员的监督和提醒,以及违章处罚规定的约束。但仍然存在工作人员心存侥幸,安全管理人员责任意识不强等盲点,导致对安全帽的佩戴检测存在管理漏洞。因此,利用技术手段及时有效地检测工作人员安全帽的佩戴情况十分必要。
发明内容
有鉴于此,本发明提出一种基于图像处理的生产作业人员安全帽佩戴检测方法及系统。如果发现未佩戴安全帽的危险行为,可以发出警告,并且截图留存证据。通过技术手段,加强生产作业现场人员安全帽佩戴管理规定的监督力度。
为了实现上述目的,本发明提供了如下的技术方案。
一种基于图像处理的生产作业人员安全帽佩戴检测方法,包括以下步骤:
实时捕捉安全生产现场的画面图片;
对安全生产现场的画面图片进行预处理,并进行人体头部检测,基于人体头部检测的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征,进而根据采用色彩特征分析结果结合模板匹配对是否佩戴安全帽进行检测。
作为本发明的进一步改进,人体头部检测采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测。
作为本发明的进一步改进,人体头部检测的具体步骤为:
首先,对样本库进行分类训练,结合头部形状特征选定输入图像的感兴趣区域,计算其方向梯度直方图特征;
然后,作为分类器的输入特征,根据已知的分类结果进行训练得到训练好的支持向量机分类器;
最后,将该分类器应用于实际区分人体头部形态及其他物体形态。
作为本发明的进一步改进,所述色彩特征的提取是通过每个像素的比对实现的,色彩空间采用基于圆柱坐标系的HSV进行色彩分析;
作为本发明的进一步改进,模板匹配的方法具体包括:
先将已得到的头部轮廓进行面积计算,然后取头部面积的1/3到2/3,转换为同等大小的滑动窗口来进行模板匹配,该窗口在图像的色彩分析范围进行滑动匹配,若在置信比例范围内,存在匹配度满足要求的区域,则认为匹配成功,即头部存在安全帽;反之,若窗口从头到尾滑动完成,仍未匹配成功,则认为不存在安全帽。
一种基于图像处理的生产作业人员安全帽佩戴检测系统,包括:
图像采集设备,用于实时捕捉安全生产现场的画面,并将其转发给图像处理及识别设备
图像处理及识别设备,对安全生产现场的画面图片进行预处理,并进行人体头部检测,基于人体头部检测的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征,进而根据采用色彩特征分析结果结合模板匹配对是否佩戴安全帽进行检测。
优选地,所述图像处理及识别设备包括图像预处理模块、人体头部检测模块和安全帽检测模块;
所述图像预处理模块,用于对安全生产现场的画面进行预处理,最终获得去噪后的图像;
所述人体头部检测模块,采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测。
所述安全帽检测模块,用于基于人体头部检测模块的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征。
优选地,人体头部检测模块,用于对样本库进行分类训练,结合头部形状特征选定输入图像的感兴趣区域,计算其方向梯度直方图特征;作为分类器的输入特征,根据已知的分类结果进行训练得到训练好的支持向量机分类器;将该分类器应用于实际区分人体头部形态及其他物体形态。
优选地,所述安全帽检测模块的色彩特征的提取是通过每个像素的比对实现的,色彩空间采用基于圆柱坐标系的HSV进行色彩分析。
优选地,所述安全帽检测模块,用于先将已得到的头部轮廓进行面积计算,然后取头部面积的1/3到2/3,转换为同等大小的滑动窗口来进行模板匹配,该窗口在图像的色彩分析范围进行滑动匹配,若在置信比例范围内,存在匹配度满足要求的区域,则认为匹配成功,即头部存在安全帽;反之,若窗口从头到尾滑动完成,仍未匹配成功,则认为不存在安全帽与现有技术相比,本发明具有以下有益效果:
本发明的安全帽佩戴检测方法通过图像技术处理手段来检测生产作业人员头部是否佩戴了安全帽,不再依靠现场安全员的管理和提醒,以及违章处罚规定的约束。如果发现未佩戴安全帽的危险行为,可以及时预警,并将报警截图保存到数据库,同时推送给相关管理人员进行处理。以此,可以大幅减少甚至消灭生产现场作业人员未佩戴安全帽的情况,保障生产作业的人身安全,提高安全生产作业监管水平。
本发明安全帽佩戴检测系统采用图像采集设备和图像处理及识别设备,实现了自动检测工作人员是否佩戴安全帽,该系统不依赖人工手段,完全通过图像技术手段检测安全生产作业人员是否佩戴安全帽;如果发现未佩戴安全帽的危险行为,可以及时预警,并将报警截图保存到数据库,同时推送给相关管理人员进行处理。以此,可以大幅减少甚至消灭生产现场作业人员未佩戴安全帽的情况。
附图说明
在此描述的附图仅用于解释目的,而不意图以任何方式来限制本发明公开的范围。另外,图中的各部件的形状和比例尺寸等仅为示意性的,用于帮助对本发明的理解,并不是具体限定本发明各部件的形状和比例尺寸。本领域的技术人员在本发明的教导下,可以根据具体情况选择各种可能的形状和比例尺寸来实施本发明。在附图中:
图1为本发明的应用场景示意图。
图2为本发明图像处理及识别设备构成示意图;
图3为本发明检测方法流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
如图1和图2所示,本发明提供了一种基于图像处理的生产作业人员安全帽佩戴检测系统,包括:
图像采集设备,用于实时捕捉安全生产现场的画面,并将其转发给图像处理及识别设备。
图像处理及识别设备,对安全生产现场的画面图片进行预处理,并进行人体头部检测,基于人体头部检测的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征,进而根据采用色彩特征分析结果结合模板匹配对是否佩戴安全帽进行检测。
如果发现未佩戴安全帽的危险行为,可以及时预警,并将报警截图保存到数据库,同时推送给相关管理人员进行处理。所述图像处理及识别设备包括图像预处理模块、人体头部检测模块和安全帽检测模块;
所述图像预处理模块,用于对安全生产现场的画面进行预处理,最终获得去噪后的图像;
所述人体头部检测模块,采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测。
所述安全帽检测模块,用于基于人体头部检测模块的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征。
人体头部检测模块,用于对样本库进行分类训练,结合头部形状特征选定输入图像的感兴趣区域,计算其方向梯度直方图特征;作为分类器的输入特征,根据已知的分类结果进行训练得到训练好的支持向量机分类器;将该分类器应用于实际区分人体头部形态及其他物体形态。
所述安全帽检测模块的色彩特征的提取是通过每个像素的比对实现的,色彩空间采用基于圆柱坐标系的HSV进行色彩分析。
所述安全帽检测模块,用于先将已得到的头部轮廓进行面积计算,然后取头部面积的1/3到2/3,转换为同等大小的滑动窗口来进行模板匹配,该窗口在图像的色彩分析范围进行滑动匹配,若在置信比例范围内,存在匹配度满足要求的区域,则认为匹配成功,即头部存在安全帽;反之,若窗口从头到尾滑动完成,仍未匹配成功,则认为不存在安全帽。
如图3所示,本发明还提供一种基于图像处理的生产作业人员安全帽佩戴检测方法,包括以下步骤:
实时捕捉安全生产现场的画面图片;
对安全生产现场的画面图片进行预处理,并进行人体头部检测,基于人体头部检测的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征,进而根据采用色彩特征分析结果结合模板匹配对是否佩戴安全帽进行检测。
其中,人体头部检测采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测。
人体头部检测的具体步骤为:
首先,对样本库进行分类训练,结合头部形状特征选定输入图像的感兴趣区域,计算其方向梯度直方图特征;
然后,作为分类器的输入特征,根据已知的分类结果进行训练得到训练好的支持向量机分类器;
最后,将该分类器应用于实际区分人体头部形态及其他物体形态。
所述色彩特征的提取是通过每个像素的比对实现的,色彩空间采用基于圆柱坐标系的HSV进行色彩分析;
模板匹配的方法具体包括:
先将已得到的头部轮廓进行面积计算,然后取头部面积的1/3到2/3,转换为同等大小的滑动窗口来进行模板匹配,该窗口在图像的色彩分析范围进行滑动匹配,若在置信比例范围内,存在匹配度满足要求的区域,则认为匹配成功,即头部存在安全帽;反之,若窗口从头到尾滑动完成,仍未匹配成功,则认为不存在安全帽。
以下结合具体实施例对比文件发明内容进行详细说明。
实施例1
如图1至图3所示,本发明由图像采集设备和图像处理及识别设备两部分组成。图像采集设备负责实时捕捉安全生产现场的画面,并将其转发给图像处理及识别设备。图像处理及识别设备负责对安全生产现场的画面进行预处理(降噪、增强等),并进行人体头部识别,及是否佩戴安全帽的识别。
图像处理及识别设备由图像预处理模块、人体头部检测模块和安全帽检测模块三部分组成。
图像预处理,采用高斯平滑、中值滤波及傅立叶正反变换等技术手段进行图像预处理。最终获得高质量、低噪声、清晰可见的图像,以便后续识别工作更好的进行。
人体头部检测模块,采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测。生产场景中背景的复杂性,和工作人员的随机活动,都大大提高了图像中对人体头部识别的难度,因此,首先对样本库进行分类训练,结合头部形状特征选定输入图像的感兴趣区域,计算其方向梯度直方图特征,然后作为分类器的输入特征,根据已知的分类结果进行训练得到训练好的支持向量机分类器,最后将该分类器应用于实际区分人体头部形态及其他物体形态,高质量的特征提取结合非线性空间分类能力强的支持向量机,可以大大提高人体头部检测的准确率。
安全帽检测模块,基于人体头部检测模块的结果,采用色彩分析方法。为了起到警示作用,安全帽一般以浅色或醒目的颜色为主,包括红色、白色、蓝色和黄色等,由于不同行业的具体分类不同甚至会出现专门定制的颜色,所以本发明首先收集安全帽的全部色彩集合,这是可以做到的,然后结合人体头部检测模块的结果,在头部范围寻找是否存在安全帽色彩的特征。
数字图像的存储单位是像素,因此对色彩特征的提取是通过每个像素的比对实现的,色彩空间采用基于圆柱坐标系的HSV进行色彩分析。
另外为了抵抗图像色彩分析时可能出现的色差及噪声,本发明采用模板匹配的方法进行人体头部安全帽的识别检测。
对于待分析的人体头部图像,正确佩戴安全帽时,安全帽占头部区域面积的比例会落在一个大概的范围,比如取值为1/3到2/3之间,因此先将已得到的头部轮廓进行面积计算,然后取头部面积的1/3到2/3,转换为同等大小的滑动窗口来进行模板匹配。该窗口在图像的色彩分析范围进行滑动匹配,若在一定置信比例范围内,存在匹配度满足要求的区域,则认为匹配成功,即头部存在安全帽。反之,若窗口从头到尾滑动完成,仍未匹配成功,则认为不存在安全帽。
为了抵抗不同图像采集设备采集图像时产生的色差,本发明中的模板匹配窗口在进行色彩像素比对时,不追求精确匹配,而是在一定色彩半径的上下浮动范围内能匹配成功即可。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的和区别类似的对象,两者之间并不存在先后顺序,也不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
应该理解,以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述,在所提供的示例之外的许多实施例和许多应用对本领域技术人员来说都将是显而易见的。因此,本教导的范围不应该参照上述描述来确定,而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。出于全面之目的,所有文章和参考包括专利申请和公告的公开都通过参考结合在本文中。在前述权利要求中省略这里公开的主题的任何方面并不是为了放弃该主体内容,也不应该认为申请人没有将该主题考虑为所公开的发明主题的一部分。
Claims (10)
1.一种基于图像处理的生产作业人员安全帽佩戴检测方法,其特征在于,包括以下步骤:
实时捕捉安全生产现场的画面图片;
对安全生产现场的画面图片进行预处理,并进行人体头部检测,基于人体头部检测的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征,进而根据采用色彩特征分析结果结合模板匹配对是否佩戴安全帽进行检测。
2.根据权利要求1所述的基于图像处理的生产作业人员安全帽佩戴检测方法,其特征在于,人体头部检测采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测。
3.根据权利要求1所述的基于图像处理的生产作业人员安全帽佩戴检测方法,其特征在于,人体头部检测的具体步骤为:
首先,对样本库进行分类训练,结合头部形状特征选定输入图像的感兴趣区域,计算其方向梯度直方图特征;
然后,作为分类器的输入特征,根据已知的分类结果进行训练得到训练好的支持向量机分类器;
最后,将该分类器应用于实际区分人体头部形态及其他物体形态。
4.根据权利要求1所述的基于图像处理的生产作业人员安全帽佩戴检测方法,其特征在于,所述色彩特征的提取是通过每个像素的比对实现的,色彩空间采用基于圆柱坐标系的HSV进行色彩分析。
5.根据权利要求1所述的基于图像处理的生产作业人员安全帽佩戴检测方法,其特征在于,模板匹配的方法具体包括:
先将已得到的头部轮廓进行面积计算,然后取头部面积的1/3到2/3,转换为同等大小的滑动窗口来进行模板匹配,该窗口在图像的色彩分析范围进行滑动匹配,若在置信比例范围内,存在匹配度满足要求的区域,则认为匹配成功,即头部存在安全帽;反之,若窗口从头到尾滑动完成,仍未匹配成功,则认为不存在安全帽。
6.一种基于图像处理的生产作业人员安全帽佩戴检测系统,其特征在于,包括:
图像采集设备,用于实时捕捉安全生产现场的画面,并将其转发给图像处理及识别设备
图像处理及识别设备,对安全生产现场的画面图片进行预处理,并进行人体头部检测,基于人体头部检测的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征,进而根据采用色彩特征分析结果结合模板匹配对是否佩戴安全帽进行检测。
7.根据权利要求6所述的一种基于图像处理的生产作业人员安全帽佩戴检测系统,其特征在于,所述图像处理及识别设备包括图像预处理模块、人体头部检测模块和安全帽检测模块;
所述图像预处理模块,用于对安全生产现场的画面进行预处理,最终获得去噪后的图像;
所述人体头部检测模块,采用方向梯度直方图特征及支持向量机分类器训练得到的模型进行预测;
所述安全帽检测模块,用于基于人体头部检测模块的结果,采用色彩特征分析方法在头部范围寻找是否存在安全帽的色彩特征。
8.根据权利要求7所述的基于图像处理的生产作业人员安全帽佩戴检测系统,其特征在于,人体头部检测模块,用于对样本库进行分类训练,结合头部形状特征选定输入图像的感兴趣区域,计算其方向梯度直方图特征;作为分类器的输入特征,根据已知的分类结果进行训练得到训练好的支持向量机分类器;将该分类器应用于实际区分人体头部形态及其他物体形态。
9.根据权利要求7所述的一种基于图像处理的生产作业人员安全帽佩戴检测系统,其特征在于,所述安全帽检测模块的色彩特征的提取是通过每个像素的比对实现的,色彩空间采用基于圆柱坐标系的HSV进行色彩分析。
10.根据权利要求7所述的一种基于图像处理的生产作业人员安全帽佩戴检测系统,其特征在于,所述安全帽检测模块,用于先将已得到的头部轮廓进行面积计算,然后取头部面积的1/3到2/3,转换为同等大小的滑动窗口来进行模板匹配,该窗口在图像的色彩分析范围进行滑动匹配,若在置信比例范围内,存在匹配度满足要求的区域,则认为匹配成功,即头部存在安全帽;反之,若窗口从头到尾滑动完成,仍未匹配成功,则认为不存在安全帽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910995160.7A CN110796049A (zh) | 2019-10-18 | 2019-10-18 | 基于图像处理的生产作业人员安全帽佩戴检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910995160.7A CN110796049A (zh) | 2019-10-18 | 2019-10-18 | 基于图像处理的生产作业人员安全帽佩戴检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110796049A true CN110796049A (zh) | 2020-02-14 |
Family
ID=69439328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910995160.7A Pending CN110796049A (zh) | 2019-10-18 | 2019-10-18 | 基于图像处理的生产作业人员安全帽佩戴检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796049A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383429A (zh) * | 2020-03-04 | 2020-07-07 | 西安咏圣达电子科技有限公司 | 建筑工地工人着装检测方法、系统、装置、存储介质 |
CN111652185A (zh) * | 2020-06-23 | 2020-09-11 | 广东电网有限责任公司河源供电局 | 一种基于违章行为识别的安全施工方法、系统、装置及存储介质 |
CN111931573A (zh) * | 2020-07-07 | 2020-11-13 | 南京南瑞信息通信科技有限公司 | 基于yolo进化深度学习模型的安全帽检测与预警方法 |
CN112287809A (zh) * | 2020-10-27 | 2021-01-29 | 国家电网有限公司 | 基于图像分析检测安全区域内作业人员的方法、系统和存储介质 |
CN112613449A (zh) * | 2020-12-29 | 2021-04-06 | 国网山东省电力公司建设公司 | 一种基于视频人脸图像的安全帽佩戴检测识别方法及系统 |
CN114092875A (zh) * | 2021-11-01 | 2022-02-25 | 南方电网深圳数字电网研究院有限公司 | 基于机器学习的作业现场安全监管方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100245554A1 (en) * | 2009-03-24 | 2010-09-30 | Ajou University Industry-Academic Cooperation | Vision watching system and method for safety hat |
CN108319934A (zh) * | 2018-03-20 | 2018-07-24 | 武汉倍特威视系统有限公司 | 基于视频流数据的安全帽佩戴情况检测方法 |
CN108416289A (zh) * | 2018-03-06 | 2018-08-17 | 陕西中联电科电子有限公司 | 一种高空作业人员安全带佩戴检测装置及检测预警方法 |
CN110263609A (zh) * | 2019-01-27 | 2019-09-20 | 杭州品茗安控信息技术股份有限公司 | 一种安全帽佩戴情况的自动识别方法 |
-
2019
- 2019-10-18 CN CN201910995160.7A patent/CN110796049A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100245554A1 (en) * | 2009-03-24 | 2010-09-30 | Ajou University Industry-Academic Cooperation | Vision watching system and method for safety hat |
CN108416289A (zh) * | 2018-03-06 | 2018-08-17 | 陕西中联电科电子有限公司 | 一种高空作业人员安全带佩戴检测装置及检测预警方法 |
CN108319934A (zh) * | 2018-03-20 | 2018-07-24 | 武汉倍特威视系统有限公司 | 基于视频流数据的安全帽佩戴情况检测方法 |
CN110263609A (zh) * | 2019-01-27 | 2019-09-20 | 杭州品茗安控信息技术股份有限公司 | 一种安全帽佩戴情况的自动识别方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383429A (zh) * | 2020-03-04 | 2020-07-07 | 西安咏圣达电子科技有限公司 | 建筑工地工人着装检测方法、系统、装置、存储介质 |
CN111652185A (zh) * | 2020-06-23 | 2020-09-11 | 广东电网有限责任公司河源供电局 | 一种基于违章行为识别的安全施工方法、系统、装置及存储介质 |
CN111931573A (zh) * | 2020-07-07 | 2020-11-13 | 南京南瑞信息通信科技有限公司 | 基于yolo进化深度学习模型的安全帽检测与预警方法 |
CN112287809A (zh) * | 2020-10-27 | 2021-01-29 | 国家电网有限公司 | 基于图像分析检测安全区域内作业人员的方法、系统和存储介质 |
CN112613449A (zh) * | 2020-12-29 | 2021-04-06 | 国网山东省电力公司建设公司 | 一种基于视频人脸图像的安全帽佩戴检测识别方法及系统 |
CN114092875A (zh) * | 2021-11-01 | 2022-02-25 | 南方电网深圳数字电网研究院有限公司 | 基于机器学习的作业现场安全监管方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796049A (zh) | 基于图像处理的生产作业人员安全帽佩戴检测方法及系统 | |
CN110188724B (zh) | 基于深度学习的安全帽定位与颜色识别的方法及系统 | |
CN111445524B (zh) | 基于场景理解的施工现场工人不安全行为识别方法 | |
CN104504369B (zh) | 一种安全帽佩戴情况检测方法 | |
CN108319934A (zh) | 基于视频流数据的安全帽佩戴情况检测方法 | |
CN102289660B (zh) | 一种基于手部姿态跟踪的违规驾驶行为检测方法 | |
US8090157B2 (en) | Approaches and apparatus for eye detection in a digital image | |
CN103049740B (zh) | 基于视频图像的疲劳状态检测方法及装置 | |
CN106446926A (zh) | 一种基于视频分析的变电站工人安全帽佩戴检测方法 | |
CN111783744A (zh) | 一种操作现场安全防护检测方法及装置 | |
US10691947B2 (en) | Monitoring device | |
CN110751051A (zh) | 一种基于机器视觉的异常驾驶行为检测方法 | |
US20110243434A1 (en) | Feature value extracting device, object identification device, and feature value extracting method | |
CN101715111B (zh) | 视频监控中滞留物主自动搜寻方法 | |
CN108416289A (zh) | 一种高空作业人员安全带佩戴检测装置及检测预警方法 | |
CN112149761A (zh) | 一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法 | |
CN111680729A (zh) | 基于x光机图像机场旅客安检危险品实时高识别率方法 | |
CN113158851A (zh) | 一种佩戴安全帽检测方法、设备以及计算机存储介质 | |
CN111401310B (zh) | 基于人工智能的厨房卫生安全监督管理方法 | |
KR102023270B1 (ko) | 건설 장비의 실시간 안전 모니터링 장치 및 방법 | |
CN112287809A (zh) | 基于图像分析检测安全区域内作业人员的方法、系统和存储介质 | |
CN113743256A (zh) | 一种工地安全智能预警方法与装置 | |
CN112613449A (zh) | 一种基于视频人脸图像的安全帽佩戴检测识别方法及系统 | |
Zhu et al. | Automated monitoring of hardhats wearing for onsite safety enhancement | |
CN112084986A (zh) | 一种基于图像特征提取的实时安全帽检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200214 |
|
RJ01 | Rejection of invention patent application after publication |