CN110969127A - 一种基于视觉的安全帽识别方法 - Google Patents
一种基于视觉的安全帽识别方法 Download PDFInfo
- Publication number
- CN110969127A CN110969127A CN201911218586.8A CN201911218586A CN110969127A CN 110969127 A CN110969127 A CN 110969127A CN 201911218586 A CN201911218586 A CN 201911218586A CN 110969127 A CN110969127 A CN 110969127A
- Authority
- CN
- China
- Prior art keywords
- vision
- recognition result
- identification method
- real
- safety helmet
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 9
- 238000010801 machine learning Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract 1
- 238000002372 labelling Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011895 specific detection Methods 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于视觉的安全帽识别方法,包括以下步骤:S1:在工业现场利用摄像头对监控区域进行视频数据的采集,得到实时数据集;S2:实时数据集发送到服务器进行标注,建立训练数据集,实现行人数据标注和安全帽标注;S3:建立机器学习的识别模型;S4:利用标注好的数据对识别模型进行训练;S5:对于实时视频数据,返回判断的识别结果;S6:对识别结果进行空间位置分析,去除误报值,保留正确识别结果。本发明实时性高,融合的人员识别和安全帽识别,准确度更高;结合了人员检测窗和安全帽检测窗的空间位置信息进行二次验证,减少误报率。
Description
技术领域
本发明涉及一种安全帽管理方法,尤其是涉及一种基于视觉的安全帽识别方法。
背景技术
工业现场对场内人员的安全帽佩戴有严格的要求,与场内人员个人的安全帽也息息相关。工业现场通常会安装数个摄像头,摄像头数据传到后台监控,提供给安保人员观看,这种传统的监控方式耗费大量的人力在监控端,而且人员也会存在疲劳期,造成监控空挡。
发明内容
本发明提供了一种基于视觉的安全帽识别方法,解决了在工业现场管理安全帽佩戴的问题,其技术方案如下所述:
一种基于视觉的安全帽识别方法,包括以下步骤:
S1:在工业现场利用摄像头对监控区域进行视频数据的采集,得到实时数据集;
S2:实时数据集发送到服务器进行标注,建立训练数据集,实现行人数据标注和安全帽标注;
S3:建立机器学习的识别模型;
S4:利用标注好的数据对识别模型进行训练;
S5:对于实时视频数据,返回判断的识别结果;
S6:对识别结果进行空间位置分析,去除误报值,保留正确识别结果。
进一步的,步骤S1中,实时数据集中,采集到的安全帽不限于尺度、光照、样式和颜色。
进一步的,步骤S1中,摄像头设置有多组,监控区域允许有重合部分。
进一步的,步骤S3中,识别模型采用RCNN或YOLO。
进一步的,步骤S5中,识别结果包括行人识别结果和安全帽识别结果。
进一步的,步骤S6中,空间位置分析模型采用以下公式:
xh和yh分别为安全帽检测框的在图像上的坐标,xp和yp分别为行人框的坐标位置,hp为行人框的高度,C为空间置信度。
将空间置信度C与设定阈值T相比较,当C值大于T时,则为误报值。
所述基于视觉的安全帽识别方法采用基于视觉的智能识别,可以很好的应用于安全帽佩戴识别,利用机器学习算法,构建学习模型,通过大量数据对模型进行训练,摄像头视频数据传入训练好的模型,模型自动对视频数据进行分析识别,判断人员是否正规佩戴安全帽。该方案能实时切不间断的对摄像头数据进行监控。
本发明的有益效果:1)实时性高;2)融合的人员识别和安全帽识别,准确度更高;3)结合了人员检测窗和安全帽检测窗的空间位置信息进行二次验证,减少误报率。
附图说明
图1是所述基于视觉的安全帽识别方法的流程示意图;
图2是安全帽检测框和行人检测框空间分布示意图;
图3是设备安装示意图;
图4是收集到的数据进行标注的示例示意图;
图5是识别结果存在误报的示例示意图。
具体实施方式
本发明提供了一种基于视觉的安全帽识别方法,在于利用了人和安全帽的空间位置信息,对识别结果进行二次分析,降低误报率。如图1所示,包括以下步骤:
步骤1.工业现场视频数据采集,得到实时数据集。数据采集时注重多样性。多样性是指安全帽为不同尺度,不同光照,不同安全帽样式和不同颜色。设备安装示例如图3所示,在工业现场安装摄像头,实现有效监控区域的监控,所述摄像头将采集到的数据发送到服务器。实施中,服务器可以采集多个摄像头的数据,摄像头的数据采集区域可以存在重合部分。
步骤2.数据集标注,建立训练数据集。如图4所示,对收集到的视频数据进行标注,进行图像标注后,实现行人数据标注和安全帽标注。
步骤3.建立机器学习的识别模型。识别模型如RCNN,YOLO等,本发明提供一个安全帽佩戴识别框架,不限于具体识别模型算法。如在框架内采用YOLO模型,YOLO模型是一个常用的目标检测模型。
步骤4.模型训练:利用标注好的数据对模型进行训练。
步骤5.接入现场的实时视频数据,返回判断的识别结果。识别结果分为两部分:1、行人识别结果,2、安全帽识别结果。识别结果通常会有部分的误报产生,如图5所示。
步骤6.空间位置分析。结合行人识别结果和安全帽识别结果,分析其空间的相对位置,当且仅当满足图2的空间分布时,判断该目标正确佩戴安全帽。如图5中所示,图像左下角的两个误报被成功。空间位置分析模型如下公式所示
xh和yh分别为安全帽检测框的坐标,xp和yp分别为行人框的坐标位置,hp为行人框的高度。C为空间置信度,当C值小于某一个阈值T时,可认为是正常检测情况,当C值大于T时,可认为是误报值。
本发明提供了基于视觉的工业现场安全帽佩戴检测的通用框架,不限于具体的检测方法。该框架的优势是在通用的检测后,提出一个基于空间分布的后处理方案,提高人员安全帽佩戴的识别率,降低误报率。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的实施方法,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种基于视觉的安全帽识别方法,包括以下步骤:
S1:在工业现场利用摄像头对监控区域进行视频数据的采集,得到实时数据集;
S2:实时数据集发送到服务器进行标注,建立训练数据集,实现行人数据标注和安全帽标注;
S3:建立机器学习的识别模型;
S4:利用标注好的数据对识别模型进行训练;
S5:对于实时视频数据,返回判断的识别结果;
S6:对识别结果进行空间位置分析,去除误报值,保留正确识别结果。
2.根据权利要求1所述的基于视觉的安全帽识别方法,其特征在于:步骤S1中,实时数据集中,采集到的安全帽不限于尺度、光照、样式和颜色。
3.根据权利要求1所述的基于视觉的安全帽识别方法,其特征在于:步骤S1中,摄像头设置有多组,监控区域允许有重合部分。
4.根据权利要求1所述的基于视觉的安全帽识别方法,其特征在于:步骤S3中,识别模型采用RCNN或YOLO。
5.根据权利要求1所述的基于视觉的安全帽识别方法,其特征在于:步骤S5中,识别结果包括行人识别结果和安全帽识别结果。
7.根据权利要求6所述的基于视觉的安全帽识别方法,其特征在于:将空间置信度C与设定阈值T相比较,当C值大于T时,则为误报值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911218586.8A CN110969127A (zh) | 2019-12-03 | 2019-12-03 | 一种基于视觉的安全帽识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911218586.8A CN110969127A (zh) | 2019-12-03 | 2019-12-03 | 一种基于视觉的安全帽识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110969127A true CN110969127A (zh) | 2020-04-07 |
Family
ID=70032657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911218586.8A Pending CN110969127A (zh) | 2019-12-03 | 2019-12-03 | 一种基于视觉的安全帽识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969127A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149761A (zh) * | 2020-11-24 | 2020-12-29 | 江苏电力信息技术有限公司 | 一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020596A (zh) * | 2012-12-05 | 2013-04-03 | 华北电力大学 | 一种基于块模型的电力生产中异常人体行为识别方法 |
CN106983209A (zh) * | 2017-04-24 | 2017-07-28 | 四川超影科技有限公司 | 自动抄表智能安全帽 |
CN108229519A (zh) * | 2017-02-17 | 2018-06-29 | 北京市商汤科技开发有限公司 | 图像分类的方法、装置及系统 |
CN110070033A (zh) * | 2019-04-19 | 2019-07-30 | 山东大学 | 一种电力领域危险工作区域内安全帽佩戴状态检测方法 |
CN110136172A (zh) * | 2019-05-21 | 2019-08-16 | 中国矿业大学 | 一种矿工下井前防护设备佩戴的检测方法 |
CN110263665A (zh) * | 2019-05-29 | 2019-09-20 | 朗坤智慧科技股份有限公司 | 基于深度学习的安全帽识别方法和系统 |
CN110502965A (zh) * | 2019-06-26 | 2019-11-26 | 哈尔滨工业大学 | 一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法 |
-
2019
- 2019-12-03 CN CN201911218586.8A patent/CN110969127A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020596A (zh) * | 2012-12-05 | 2013-04-03 | 华北电力大学 | 一种基于块模型的电力生产中异常人体行为识别方法 |
CN108229519A (zh) * | 2017-02-17 | 2018-06-29 | 北京市商汤科技开发有限公司 | 图像分类的方法、装置及系统 |
CN106983209A (zh) * | 2017-04-24 | 2017-07-28 | 四川超影科技有限公司 | 自动抄表智能安全帽 |
CN110070033A (zh) * | 2019-04-19 | 2019-07-30 | 山东大学 | 一种电力领域危险工作区域内安全帽佩戴状态检测方法 |
CN110136172A (zh) * | 2019-05-21 | 2019-08-16 | 中国矿业大学 | 一种矿工下井前防护设备佩戴的检测方法 |
CN110263665A (zh) * | 2019-05-29 | 2019-09-20 | 朗坤智慧科技股份有限公司 | 基于深度学习的安全帽识别方法和系统 |
CN110502965A (zh) * | 2019-06-26 | 2019-11-26 | 哈尔滨工业大学 | 一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法 |
Non-Patent Citations (1)
Title |
---|
MAN-WOO PARK等: ""Hardhat-Wearing Detection for Enhancing On-Site Safety of Construction Workers", 《JOURNAL OF CONSTRUCTION ENGINEERING AND MANAGEMENT》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149761A (zh) * | 2020-11-24 | 2020-12-29 | 江苏电力信息技术有限公司 | 一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法 |
CN112149761B (zh) * | 2020-11-24 | 2021-06-22 | 江苏电力信息技术有限公司 | 一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104063722B (zh) | 一种融合hog人体目标检测和svm分类器的安全帽识别方法 | |
CN109117827B (zh) | 基于视频的工服工帽穿戴状态自动识别方法与报警系统 | |
CN110298278B (zh) | 一种基于人工智能的地下停车库行人车辆监测方法 | |
CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
CN108537256B (zh) | 一种安全帽佩戴识别方法及装置 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
CN202257856U (zh) | 驾驶员疲劳驾驶监控装置 | |
CN202130312U (zh) | 一种驾驶员疲劳驾驶监控装置 | |
CN109298785A (zh) | 一种监测设备的人机联控系统及方法 | |
CN113743256B (zh) | 一种工地安全智能预警方法与装置 | |
CN111126219A (zh) | 一种基于人工智能的变电站人员的身份识别系统和方法 | |
CN113807240A (zh) | 基于非配合式人脸识别的变电站人员着装智能监控方法 | |
CN112153334B (zh) | 用于安全管理的智能视频盒子设备及相应的智能视频分析方法 | |
CN109800715B (zh) | 一种基于物联网的出入园区监控方法及系统 | |
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 | |
KR101092472B1 (ko) | 감시카메라를 활용한 비디오 색인 시스템 및 그 색인 방법 | |
CN115512304B (zh) | 基于图像识别的地铁站安全监控系统 | |
CN115035088A (zh) | 一种基于yolov5和姿态估计的安全帽佩戴检测方法 | |
CN110929608A (zh) | 安全帽佩带检测方法及系统 | |
CN111401310B (zh) | 基于人工智能的厨房卫生安全监督管理方法 | |
CN116259002A (zh) | 一种基于视频的人体危险行为分析方法 | |
CN115797856A (zh) | 一种基于机器视觉的施工场景智慧安全监控方法 | |
CN110969127A (zh) | 一种基于视觉的安全帽识别方法 | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200407 |