CN116453153A - 防护用品穿戴检测方法、装置、计算机设备及存储介质 - Google Patents

防护用品穿戴检测方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN116453153A
CN116453153A CN202310123750.7A CN202310123750A CN116453153A CN 116453153 A CN116453153 A CN 116453153A CN 202310123750 A CN202310123750 A CN 202310123750A CN 116453153 A CN116453153 A CN 116453153A
Authority
CN
China
Prior art keywords
wearing
protective
image
articles
protective articles
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
Application number
CN202310123750.7A
Other languages
English (en)
Inventor
周岚
张一帆
夏旭辉
宋家才
马成
曹慧平
马荣
李小燕
陈颖
胡倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Gas Corp Ltd
Original Assignee
Shenzhen Gas Corp Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Gas Corp Ltd filed Critical Shenzhen Gas Corp Ltd
Priority to CN202310123750.7A priority Critical patent/CN116453153A/zh
Publication of CN116453153A publication Critical patent/CN116453153A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了防护用品穿戴检测方法、装置、计算机设备及存储介质，应用于目标检测技术领域，用于提高作业场景检测工服的效率。本发明提供的方法包括：获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像；根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像；将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果；基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作。

Description

防护用品穿戴检测方法、装置、计算机设备及存储介质
技术领域
本发明涉及目标检测技术领域，尤其涉及防护用品穿戴检测方法、装置、计算机设备及存储介质。
背景技术
在建筑工地、燃气站等工作场景，在作业环境中，安全措施的有效实施直接决定了生产作业的有序进行。
目前，为了保证作业场景的安全、生产作业的实施，工作人员在进入作业环境时，应当佩戴安全帽、工作服、工作手套和防护面罩等防护用品。
在实际场景里，工作人员一时疏忽，出现未穿戴防护用品或者防护用品使用错误的情况，对生产坏境的安全隐患很大。主要是通过人工的方式进行监督管理，检测工作人员是否正确穿戴防护用品，但是现实生产环境复杂，且人工监督难以全天覆盖，不能达到安全管理的目的。
发明内容
本发明提供一种防护用品穿戴检测方法、装置、计算机设备及存储介质，以提高检测作业场景中工服穿戴情况的效率。
一种防护用品穿戴检测方法，其特征在于，所述方法包括：
获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像；
根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像；
将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果；
基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作。
一种防护用品穿戴检测装置，其特征在于，所述装置包括：
区域图像获取模块；获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像；
穿戴区域图像获取模块，用于根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像；
防护用品穿戴结果识别模块，用于将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果；
预警操作执行模块，用于基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述防护用品穿戴检测方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述防护用品穿戴检测方法的步骤。
本发明提供的防护用品穿戴检测方法、装置、计算机设备及存储介质，通过获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像；根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像；将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果；基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作，在目标识别的作业人员中，识别出多类防护用品的穿戴区域，使得防护用品穿戴检测模型能够同时识别出每类防护用品的穿戴结果，最终得到防护用品穿戴结果，能够提高检测到防护用品的穿戴结果，并执行与所述防护用品穿戴结果对应的预警操作，提高监督工作人员穿戴防护用品的效率，同时保证工作场景的安全性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中防护用品穿戴检测方法的一应用环境示意图；
图2是本发明一实施例中防护用品穿戴检测方法的一流程图；
图3是本发明一实施例中防护用品穿戴检测装置的结构示意图；
图4是本发明一实施例中计算机设备的一示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的防护用品穿戴检测方法，可应用在如图1的应用环境中，其中，终端设备通过网络与服务器进行通信。其中，终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
系统框架100可以包括终端设备、网络和服务器。网络用以在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备通过网络与服务器交互，以接收或者发送消息等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPictureEpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPictureEpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本发明实施例所提供的防护用品穿戴检测方法由服务器执行，相应地，防护用品穿戴检测装置设置于服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的，根据实现需要，可以具有任意数目的终端设备、网络和服务器，本发明实施例中的终端设备具体可以对应的是实际生产中的应用系统。
在一实施例中，如图2所示，提供一种防护用品穿戴检测方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
S10，获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像。
其中，采集设备是指安装在作业场景用以拍摄作业场景图像的设备，其中，具体应用在燃气站或者输电站等。
通过采集设备对作业区的作业场景进行拍摄，得到作业场景图像，再根据目标检测算法，识别出作业场景图像中的作业人员，在作业场景图像中生成作业人员的候选框，得到作业人员区域图像。作业人员区域图像包括作业人员。
需要说明的是，为了保证后续防护用品的检测效果，应选取作业人员在图像的中部，并且作业人员为直立状态的图像，作为初始作业场景图像，另外，为了保证目标检测的准确性，在初始作业场景图像中，将遮挡严重、色偏严重、黑白图像、画面模糊的图像筛除出去，得到作业场景图像，其中，作业场景图像的数量为多个。
将画面质量不佳的作业场景图像筛除出去，避免在后续检测时，产生噪声，影响检测的结果并且降低检测的准确性。
S20，根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像。
具体是，在实际作业场景中，工作人员需要佩戴多种防护用品，以达到全面保护的效果。
在本实施例中，需要根据防护用品的类别，确定每类防护用品在作业人员对应的区域图像中的穿戴区域图像。其中，预设的防护用品的类别包括安全帽、劳保服、防护面罩、手套等防护用品，其中，根据工作场景的不同，防护用品的类型会有所不同，本实施例根据安全帽、劳保服、防护面罩以及手套等类型进行说明，其中，安全帽和防护面罩的区域在头部，进一步，安全帽在头部区域的头顶部，防护面部应该在头部区域的脸部区域；劳保服在工作人员的身体区域；手套在工作人员的手部，根据每类防护用品的穿戴区域，在作业人员对应的区域图像中的相应区域中进行匹配映射，得到每类防护用品的穿戴区域图像。
S30，将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果。
具体地，所述已训练的防护用品穿戴检测模型。基于YOLOv5框架构建。YOLOv5是指YOLOv5，YOLO(YouOnlyLookOnce，目标检测算法)的特点是实现快速检测的同时达到较高的准确率。
YOLOv5基于YOLOv4的基础上改进得到，能够提高图像处理的速度。
其中，基于YOLOv5的网络结构包括输入端、Backbone端、Neck端和输出端，在训练阶段，通过调节“深度”和“宽度”两个参数改变特征的通道数以及网络模块的个数。
在一种实现方式中，可以将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到每类防护用品的穿戴结果，然后将所有类别防护用品的穿戴结果进行组合，得到防护用品穿戴结果。
在另一种优选的实现方式中，根据作业场景的不同，基于每类防护用品的防护效果的重要性不同，得到每类防护用品的权重数据，并根据得到的防护用品穿戴结果得到每类防护用品的佩戴分数；根据每类防护用品的权重数据以及佩戴分数进行加权求和，得到防护用品穿戴分数。
实际中，某一作业人员穿戴了安全帽、防护面罩和劳保服，但是没有穿戴手套，则防护用品穿戴结果包括安全帽、防护面罩和劳保服的穿戴结果以及没有穿戴手套的结果。
S40，基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作。
具体是，根据防护用品穿戴结果，发送相应的预警信息，并执行相应的处理手段。
其中，预警信息包括发送示警信息等，进一步的，从防护用品穿戴结果中获取作业人员未穿戴的防护用品，在监控画面中生成对应的提醒文字等，例如，作业人员A未穿戴安全帽，在后端的监控画面中，在工作人员A附近显示“未带安全帽”的文字提醒；作业人员B未穿劳保服，在后端的监控画面中，在工作人员B附近显示“未穿劳保服”的文字提醒。
本实施例提供的防护用品穿戴检测方法，通过获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像；根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像；将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果；基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作，在目标识别的作业人员中，识别出多类防护用品的穿戴区域，使得防护用品穿戴检测模型能够同时识别出每类防护用品的穿戴结果，最终得到防护用品穿戴结果，能够提高检测到防护用品的穿戴结果，并执行与所述防护用品穿戴结果对应的预警操作，提高监督工作人员穿戴防护用品的效率，同时保证工作场景的安全性。
进一步的，作为一种可选的实施方式，在S10中，所述获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像包括：
S101，获取采集设备拍摄的初始作业场景图像，根据预设的图像筛选规则，在所述初始作业场景图像中筛选出满足所述图像筛选规则的图像，作为作业场景图像。
S102，根据目标检测算法，检测出所述作业场景中的作业人员，并在所述作业场景图像中生成所述作业人员的候选框，得到作业人员对应的区域图像。
具体地，通过采集设备获取其所监控的作业场景的图像，作为初始作业场景图像，根据预先设置的图像筛选规则，将初始作业场景图像中不符合要求的图像筛除出去，得到作业场景图像。
目标检测算法用于定位并识别出作业场景图像中的作业人员，在本实施例中，即确定出作业人员在作业场景图像中的区域，得到作业人员对应的区域图像。
其中，目标检测算法主要分为两类：两阶段的目标检测算法和一阶段目标检测算法。
两阶段的目标检测算法首先生成一系列作为作业人员的候选框，再进行样本分类，最终得到作业人员对应的区域图像。常见的算法有R-NN、Faster R-CNN等。
一阶段目标检测算法直接将作业人员的定位框转化为回归问题处理。常见的算法有YOLO、SSD等。
作为一种可选方式，根据实际需求，选择上述一种目标检测算法，用于识别出作业场景图像中的作业人员，得到作业人员区域图像。
在本实施例中，为了在监控视频中展示作业人员，在检测到目标人员之后，需要在监控视频生成作业人员的候选框，并将候选框选中的图像作为作业人员对应的区域图像。
其中，作业人员是指正在作业的人员，其工作的场景作为工作场景，为了检测并识别出作业人员是否按照要求穿戴防护用品，则需要采集作业人员在工作场景的图像，作为初始工作场景图像。在初始工作场景图像中，将画面模糊、图像色彩过饱和、画面黑白的图像筛除出去，进一步的，将画面中未出现工作人员的图像筛除出去，最终得到的图像作为工作场景图像。
在本实施例中，通过对初始工作场景图像进行筛选，将画面质量不好的图像筛选出去，对经过筛选之后的工作场景图像进行目标检测，减少了需要处理的工作场景图像，提高了进行目标检测的效率，并且，对图像质量较好的工作场景图像进行筛选，使得检测之后得到的结果更准确。
进一步的，作为一种可选的实施方式，在S20，所述根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像包括：
S201，根据防护用品的类别，确定每类防护用品的穿戴区域；
S202，将每类防护用品的穿戴区域映射到所述区域图像中的相应区域，得到每类防护用品的穿戴区域图像。
具体是，防护用品有多种类别，在实际的工作场景中，作业人员需要同时穿戴多种防护用品，因此，需要根据防护用品的类别，确定每类防护用品的穿戴区域，根据穿戴区域确定每类防护用品在作业人员区域图像中的相应区域，将该区域框选，并生成每类防护用品的框选图像，将每类防护用品框选图像作为每类防护用品的穿戴区域图像。其中，不同类的防护用品在生成对应的穿戴区域图像时，穿戴区域图像都带有对应的防护用品的标记，使得预设的防护用品穿戴检测模型能够识别出各类防护用品的穿戴区域图像，能够快速识别出作业人员是否穿戴了对应的防护用品。
在本实施例中，通过各类防护用品的类别，在作业人员对应的区域图像中标记出每类防护用品的穿戴区域，进而在所述区域图像中的相应区域得到每类防护用品的穿戴区域图像，使得已训练的防护用品穿戴检测模型可以一次性识别出多种防护用品的穿戴结果，可以提高识别出作业人员是否穿戴出每种防护用品的效率，同时，根据不同的防护用品的标记生成防护用品的穿戴区域候选框，便于已训练的防护用品穿戴检测模型可以快速确定出每类防护用品的穿戴区域图像，进一步提高了识别防护用品穿戴结果的效率。
进一步的，作为一种可选的实施方式，在S30中，所述防护用品穿戴检测模型的训练过程包括：
S1：获取包含作业人员的训练图像；
S2：基于所述训练图像，生成与所述穿戴区域对应的候选框和候选框对应的标识；
S3：将所述候选框输入至初始模型，通过所述初始模型输出预测防护用品穿戴结果；
S4：根据所述预测防护用品穿戴结果和所述标识对所述初始模型的参数进行修正，以得到已训练的防护用品穿戴检测模型。
具体地，先获取作业人员穿戴所有防护用品的图像、或者未穿戴部分防护用品的图像作为训练图像，需要说明的是，训练图像包括未穿戴全部防护用品的图像以及穿戴全部防护用品的图像，其中，未穿戴防护用品的类型数量为1件至n-1件，其中，n是指所有防护用品的类型的数量。
进一步地，在训练图像中，在防护用品的穿戴区域生成对应的候选框，其中，每个防护用品的候选框应带有各类防护用品的标记，其中，防护用品的标识类型可以是颜色、嵌入向量等。例如，当候选框为头顶部时，防护用品的标识为安全帽；当候选框为脸部区域时，防护用品的标识为防护面罩；当候选框为身体区域时，防护用品的标识为劳保服；当候选框为手部区域时，防护用品的标识为手套。
基于YOLOv5框架构建初始模型，将所述候选框输入至初始模型进行训练，通过所述初始模型输出预测防护用品穿戴结果，根据所述预测防护用品穿戴结果和所述标识对所述初始模型的参数进行修正，然后不断迭代调整初始模型的模型参数，迭代完成之后得到已训练的防护用品穿戴检测模型。
在本实施例中，通过获取多种类别的训练图像，使得初始模型能够更快学习到各种防护用品的穿戴可能的特征，使得最终得到已训练的防护用品穿戴检测模型，可以识别出各类防护用品穿戴结果，同时，预设的用品监测模型可以同时识别出多类防护用品的穿戴结果，通过组合后得到最终的防护用品穿戴结果，提高了检测是否穿戴防护用品的效率。
进一步的，作为一种可选的实施方式，在S30，所述将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果包括：
S301，将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到每类防护用品的穿戴结果；
S302，将所有类别防护用品的穿戴结果进行组合，得到防护用品的穿戴结果。
具体地，将已训练的防护用品穿戴检测模型识别出的每类防护用品的穿戴结果，然后进行组合得到防护用品穿戴结果。
防护用品穿戴结果是对每类防护用户用品的穿戴结果的汇总，在需要检测多类防护用品的情况下，通过汇总多类防护用品的穿戴结果得到防护用品穿戴结果，用于快速根据防护用品穿戴结果，用于快速根据防护用品穿戴结果制定对应的预警触发规则。
在本实施例中，通过将各个类别的防护用品的穿戴结果组合得到最终的防护用品穿戴结果，最终根据防护用品穿戴结果执行预警操作，便于设置对应的预警触发规则，提高针对防护用品穿戴的检测和进行干预的速度，提高了工作场景的安全性。
进一步的，作为一种可选的实施方式，在S40，所述基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作包括：
S401，根据所述防护用品穿戴结果，生成与所述防护用品穿戴结果对应的预警级别；
S402，执行与所述预警级别相应的预警操作。
具体是，在得到防护用品穿戴结果之后，根据防护用品穿戴结果生成与所述防护用品穿戴结果对应的预警级别，最后执行与所述预警级别相应的预警操作。作为一种可选的实施方式，根据防护用品穿戴结果制定对应的预警操作触发规则，例如防护用品穿戴结果为{1,1,1,0}，则预警级别为1，触发预警操作1，并执行预警操作1；防护用品穿戴结果为{1,1,0,0}，则预警级别为2，触发预警操作2，并执行预警操作2；防护用品穿戴结果为{1,0,0,0}，则预警级别为3，触发预警操作3，并执行预警操作3。其中，1级别代表预警轻微，2级别代表预警较重，3级别代表预警很重。其中，在防护用品穿戴结果中，针对同一类防护用品，防护用品穿戴结果中的1代表穿戴了防护用品，防护用品穿戴结果中的0代表没有穿戴防护用品。并且数字的个数代表防护用品的种类。需要说明的是，本实施例中的防护用品的数目仅作为示例，不应作为本实施例的限定。
在一种实现方式中，防护用品穿戴结果为防护用品穿戴分数，根据防护用品穿戴分数确定作业人员的安全等级，其中，不同的安全等级对应不同的预警操作。例如，在燃气站中，防护面罩类的防护用品的防护效果最高，则防护面罩的权重数据应大于其他类型的防护用品的权重数据，将所述防护用品穿戴分数作为防护用品穿戴结果。
需要说明的是，当某一工作人员全部佩戴了防护用品，则不触发对应的预警操作。
在本实施例中，通过防护用品穿戴结果设置相应的级别的预警操作触发规则，当检测出有作业人员未穿戴防护用品，则对应触发相应级别的预警，起到提醒的作用同时能够对不穿戴防护用品的行为进行干预，提高作业场景的安全。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种防护用品穿戴检测装置，该防护用品穿戴检测装置与上述实施例中防护用品穿戴检测方法一一对应。如图3所示，该防护用品穿戴检测装置包括：
区域图像获取模块31；获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像；
穿戴区域图像获取模块32，用于根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像；
防护用品穿戴结果识别模块33，用于将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果；
预警操作执行模块34，用于基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作。
进一步的，作为一种可选的实施方式，所述区域图像获取模块31包括：
作业场景图像获取单元，用于获取采集设备拍摄的初始作业场景图像，根据预设的图像筛选规则，在所述初始作业场景图像中筛选出满足所述图像筛选规则的图像，作为作业场景图像；
作业人员检测单元，用于根据目标检测算法，检测出所述作业场景中的作业人员，并在所述作业场景图像中生成所述作业人员的候选框，得到作业人员对应的区域图像。
进一步的，作为一种可选的实施方式，所述穿戴区域图像获取模块32包括：
每类防护用品的穿戴区域确定单元，用于根据防护用品的类别，确定每类防护用品的穿戴区域；
映射单元，用于将每类防护用品的穿戴区域映射到所述区域图像中的相应区域，得到每类防护用品的穿戴区域图像。
进一步的，作为一种可选的实施方式，所述防护用品穿戴检测模型的训练过程模块包括：
训练图像获取单元，用于获取包含作业人员的训练图像；
候选框及其标识生成单元，用于基于所述训练图像，生成与所述穿戴区域对应的候选框和候选框对应的标识；
预测防护用品穿戴结果生成单元，用于将所述候选框输入至初始模型，通过所述初始模型输出预测防护用品穿戴结果；
已训练的防护用品穿戴检测模型得到单元，用于根据所述预测防护用品穿戴结果和所述标识对所述初始模型的参数进行修正，以得到已训练的防护用品穿戴检测模型。
进一步的，作为一种可选的实施方式，所述防护用品穿戴结果识别模块33包括：
每类防护用品的穿戴结果识别单元，用于将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到每类防护用品的穿戴结果；
防护用品的穿戴结果获取单元，用于将所有类别防护用品的穿戴结果进行组合，得到防护用品的穿戴结果。
进一步的，作为一种可选的实施方式，所述预警操作执行模块34包括：
预警级别生成单元，用于根据所述防护用品穿戴结果，生成与所述防护用品穿戴结果对应的预警级别；
预警操作执行单元，用于执行与所述预警级别相应的预警操作。
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本申请中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
关于防护用品穿戴检测装置的具体限定可以参见上文中对于防护用品穿戴检测方法的限定，在此不再赘述。上述防护用品穿戴检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储防护用品穿戴检测方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种防护用品穿戴检测方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中防护用品穿戴检测方法的步骤，例如图2所示的步骤S10至步骤S40及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机程序时实现上述实施例中防护用品穿戴检测装置的各模块/单元的功能，例如图3所示模块31至模块34的功能。为避免重复，这里不再赘述。
所述处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中防护用品穿戴检测方法的步骤，例如图2所示的步骤S10至步骤S40及该方法的其它扩展和相关步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中防护用品穿戴检测装置的各模块/单元的功能，例如图3所示模块31至模块34的功能。为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种防护用品穿戴检测方法，其特征在于，所述方法包括：
获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像；
根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像；
将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果；
基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作。
2.根据权利要求1所述的防护用品穿戴检测方法，其特征在于，所述获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像包括：
获取采集设备拍摄的初始作业场景图像，根据预设的图像筛选规则，在所述初始作业场景图像中筛选出满足所述图像筛选规则的图像，作为作业场景图像；
根据目标检测算法，检测出所述作业场景中的作业人员，并在所述作业场景图像中生成所述作业人员的候选框，得到作业人员对应的区域图像。
3.根据权利要求1所述的防护用品穿戴检测方法，其特征在于，所述根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像包括：
根据防护用品的类别，确定每类防护用品的穿戴区域；
将每类防护用品的穿戴区域映射到所述区域图像中的相应区域，得到每类防护用品的穿戴区域图像。
4.根据权利要求3所述的防护用品穿戴检测方法，其特征在于，所述防护用品穿戴检测模型的训练过程包括：
获取包含作业人员的训练图像；
基于所述训练图像，生成与所述穿戴区域对应的候选框和候选框对应的标识；
将所述候选框输入至初始模型，通过所述初始模型输出预测防护用品穿戴结果；
根据所述预测防护用品穿戴结果和所述标识对所述初始模型的参数进行修正，以得到已训练的防护用品穿戴检测模型。
5.根据权利要求1所述的防护用品穿戴检测方法，其特征在于，所述将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果包括：
将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到每类防护用品的穿戴结果；
将所有类别防护用品的穿戴结果进行组合，得到防护用品的穿戴结果。
6.根据权利要求1所述的防护用品穿戴检测方法，其特征在于，所述基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作包括：
根据所述防护用品穿戴结果，生成与所述防护用品穿戴结果对应的预警级别；
执行与所述预警级别相应的预警操作。
7.一种防护用品穿戴检测装置，其特征在于，所述装置包括：
区域图像获取模块；获取采集设备拍摄的作业场景图像，基于目标检测算法，识别所述作业场景图像中的作业人员，并生成所述作业人员对应的区域图像；
穿戴区域图像获取模块，用于根据所述区域图像和预设的防护用品的类别，得到每类防护用品的穿戴区域图像；
防护用品穿戴结果识别模块，用于将每类防护用品的穿戴区域图像输入已训练的防护用品穿戴检测模型中，通过所述防护用品穿戴检测模型，得到防护用品穿戴结果；
预警操作执行模块，用于基于所述防护用品穿戴结果，执行与所述防护用品穿戴结果对应的预警操作。
8.根据权利要求7所述的防护用品穿戴检测装置，其特征在于，所述区域图像获取模块包括：
作业场景图像获取单元，用于获取采集设备拍摄的初始作业场景图像，根据预设的图像筛选规则，在所述初始作业场景图像中筛选出满足所述图像筛选规则的图像，作为作业场景图像；
作业人员检测单元，用于根据目标检测算法，检测出所述作业场景中的作业人员，并在所述作业场景图像中生成所述作业人员的候选框，得到作业人员对应的区域图像。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的防护用品穿戴检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的防护用品穿戴检测方法的步骤。
CN202310123750.7A 2023-02-02 2023-02-02 防护用品穿戴检测方法、装置、计算机设备及存储介质 Pending CN116453153A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310123750.7A CN116453153A (zh) 2023-02-02 2023-02-02 防护用品穿戴检测方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310123750.7A CN116453153A (zh) 2023-02-02 2023-02-02 防护用品穿戴检测方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN116453153A true CN116453153A (zh) 2023-07-18

Family

ID=87126192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310123750.7A Pending CN116453153A (zh) 2023-02-02 2023-02-02 防护用品穿戴检测方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN116453153A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117197728A (zh) * 2023-11-07 2023-12-08 成都千嘉科技股份有限公司 通过可穿戴摄像设备进行实时燃气放散作业识别的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117197728A (zh) * 2023-11-07 2023-12-08 成都千嘉科技股份有限公司 通过可穿戴摄像设备进行实时燃气放散作业识别的方法
CN117197728B (zh) * 2023-11-07 2024-01-23 成都千嘉科技股份有限公司 通过可穿戴摄像设备进行实时燃气放散作业识别的方法

Similar Documents

Publication Publication Date Title
US11798193B2 (en) Multi-dimensional image detection on at least two acquired images
CN113259721B (zh) 一种视频数据的发送方法及电子设备
CN112364715B (zh) 核电作业异常监控方法、装置、计算机设备和存储介质
EP4099217A1 (en) Image processing model training method and apparatus, device, and storage medium
CN113255606A (zh) 行为识别方法、装置、计算机设备及存储介质
CN112100431B (zh) Ocr系统的评估方法、装置、设备及可读存储介质
CN110246110B (zh) 图像评估方法、装置及存储介质
CN107944414B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
Sabra et al. Zoom on the keystrokes: Exploiting video calls for keystroke inference attacks
CN116453153A (zh) 防护用品穿戴检测方法、装置、计算机设备及存储介质
US10706555B2 (en) Image processing method and device
CN111881740B (zh) 人脸识别方法、装置、电子设备及介质
CN111428570A (zh) 非活体人脸的检测方法、装置、计算机设备及存储介质
CN114266946A (zh) 遮挡条件下的特征识别方法、装置、计算机设备及介质
CN113887527B (zh) 人脸图像处理方法、装置、计算机设备及存储介质
CN114550241A (zh) 人脸识别方法、装置、计算机设备及存储介质
US10055564B2 (en) Biometric authentication, and near-eye wearable device
CN112115811A (zh) 基于隐私保护的图像处理方法、装置和电子设备
CN107911388B (zh) 监管移动终端应用的方法及系统
CN112950443B (zh) 基于图像贴纸的自适应隐私保护方法、系统、设备及介质
CN105955634A (zh) 移动智能终端的截图方法和截图系统
US11615205B2 (en) Intelligent dynamic data masking on display screens based on viewer proximity
CN103854020A (zh) 文字识别方法及装置
CN109753217B (zh) 动态键盘操作方法、装置、存储介质及电子设备
CN110531911B (zh) 截屏信息控制方法、装置、计算机设备及存储介质

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