CN109635697A - 基于YOLOv3目标检测的电力作业人员安全着装检测方法 - Google Patents
基于YOLOv3目标检测的电力作业人员安全着装检测方法 Download PDFInfo
- Publication number
- CN109635697A CN109635697A CN201811475125.4A CN201811475125A CN109635697A CN 109635697 A CN109635697 A CN 109635697A CN 201811475125 A CN201811475125 A CN 201811475125A CN 109635697 A CN109635697 A CN 109635697A
- Authority
- CN
- China
- Prior art keywords
- electric operating
- yolov3
- dressing
- operating personnel
- network model
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于YOLOv3目标检测的电力作业人员安全着装检测方法。本发明采用的技术方案为:首先,收集电力作业人员的着装图片,制作训练样本集;其次,构建YOLOv3网络模型,并采用训练样本集对网络模型进行训练,得到训练完成的YOLOv3网络模型;再次,将电力作业现场监控视频作为训练完成的YOLOv3网络模型的输入数据,检测视频中的电力作业人员的安全着装情况。与人工设计特征的传统方法相比,该方法自动提取特征实现检测,适用性强,推广性高,且能同时检测出视频中电力作业人员的安全帽佩戴和工作服着装情况,可应用于电力作业现场的视频监控***。
Description
技术领域
本发明属于智能视频监控领域,涉及一种基于YOLOv3目标检测的电力作业人员安全着装检测方法,可应用于电力作业现场的视频监控***。
背景技术
日常电力生产中存在着很多作业现场,相关电力安全工作规程对相关人员进入作业现场应遵守的安全要求做出了严格的规定,其中对于正确佩戴安全帽及穿着工作服有明确要求。安全着装对于保障作业人员的人身安全至关重要,因此,对进入作业现场的作业人员进行视频监控,能够有效保证并监督相关作业人员的安全着装,降低作业人员的安全隐患。
为了减少人工查看视频监控的工作量,不断有针对视频监控的安全着装自动检测方法被提出,其中多集中于安全帽佩戴的检测,针对工作服的检测方法并不多,能够同时对安全帽佩戴和工作服穿着情况进行检测的方法就更少。在现有方法中,大多是采用人工设计并提取特征,再借助模式识别方法进行识别的传统模式。这种模式不仅存在人工设计特征的复杂性问题,还存在鲁棒性和推广性差问题。
YOLOv3(You Only Look Once Version 3)是目前用于目标检测的一种最新技术,准确性高且实时性强,能够用于监控视频的实时分析。
发明内容
本发明的目的在于提供一种基于YOLOv3目标检测的电力作业人员安全着装检测方法,其通过对监控视频的实时分析检测出作业现场中作业人员的安全着装情况,能够对未按要求着装的人员进行及时告警,保障作业人员的人身安全。
为实现上述目的,本发明采用的技术方案为:基于YOLOv3目标检测的电力作业人员安全着装检测方法,其包括:
步骤1,收集电力作业人员的着装图片,制作训练样本集;
步骤2,构建YOLOv3网络模型,并采用训练样本集对网络模型进行训练,得到训练完成的YOLOv3网络模型;
步骤3,将电力作业现场监控视频作为训练完成的YOLOv3网络模型的输入数据,检测视频中的电力作业人员的安全着装情况。
作为上述方法的补充,所述的步骤1包括:
步骤11,收集不同人员的不同着装图片,有以下两个途径:第一,从不同电力作业现场的历史监控视频中逐帧截取保存包含作业人员的图片;第二,让不同人员穿着电力作业工作服并佩戴安全帽,模拟正确和错误着装情况并做出不同姿势,从不同角度拍摄并保存照片;
步骤12,采用图像处理方法对收集到的图片进行修改,将原图片和衍生图片一并作为制作样本的素材,以此方式来增加样本数量;
步骤13,划分着装情况的类别,确定类别标签;
步骤14,将每一张图片中的安全着装情况打上相应的标签,制作用于训练YOLOv3网络的训练样本集。
作为上述方法的补充,所述的步骤11中,所述的错误着装情况具体包括:完全未戴安全帽;完全未穿工作服;有安全帽但未戴;有工作服但未穿;卷起任何一只裤脚;卷起任何一只手袖;未扣工作服扣子并露出内部衣服或皮肤。
作为上述方法的补充,所述的步骤12中,所述的图片修改方法具体包括:左右翻转;不同角度旋转;添加不同程度噪声;改变对比度;改变亮度。
作为上述方法的补充,所述的步骤13中,所述的着装情况类别具体包括:安全帽佩戴规范;安全帽佩戴不规范;工作服穿着规范;工作服穿着不规范。
作为上述方法的补充,所述的步骤2包括:
步骤21,构建YOLOv3网络模型;
步骤22,采用ImageNet图像数据集对YOLOv3网络模型中的darknet-53模块进行物体分类训练,得到部分训练完成的YOLOv3网络模型;
步骤23,在步骤22结果的基础上,采用Pascal VOC Data数据集对完整的YOLOv3进行目标检测训练,得到能够用于目标检测的YOLOv3网络模型;
步骤24,在步骤23结果的基础上,采用步骤1中制作的训练样本集对YOLOv3网络模型进行安全着装检测训练,得到安全着装检测的YOLOv3网络模型。
作为上述方法的补充,所述的步骤3包括:
步骤31,获取电力作业现场监控视频,输入到安全着装检测的YOLOv3网络模型中;
步骤32,经过安全着装检测的YOLOv3网络模型的计算,得到视频中所有电力作业人员的安全着装情况,包括人员头部的矩形框信息及安全帽佩戴情况标签、人员身体部分的矩形框信息及工作服穿着情况标签;
步骤33,输出检测后的视频。
作为上述方法的补充,所述的步骤33中,若视频中存在电力作业人员,则用矩形框分别框住人员的头部和身体部分,并显示相应安全着装标签,对不规范着装情况予以告警;若视频中不存在人员,则显示原视频。
作为上述方法的补充,所述步骤14包括:
步骤141,用矩形框框住图片中每个人的头部,计算并记录该矩形框的中心点坐标、宽度、高度,同时给该矩形框中的人员安全帽佩戴情况打上对应的标签;
步骤142,用矩形框框住图片中每个人的身体部分,计算并记录该矩形框的中心点坐标、宽度、高度,同时给该矩形框中的人员工作服穿着情况打上对应的标签;
步骤143:将图片连同图片中附带的所有矩形框信息以及相对应的标签制作成符合YOLOv3输入格式的一个训练样本。
本发明提供一种基于YOLOv3目标检测的电力作业人员安全着装检测方法,可应用于视频监控装置或***。针对视频采集装置或视频监控***所获取的视频、图像数据,利用经过特定数据集训练后的YOLOv3目标检测网络模型对电力作业人员的安全着装情况进行检测。本发明克服了人工提取安全着装特征的困难和传统定制方法推广性差的问题,检测效率和准确率均较高。
附图说明
图1是本发明所提供的基于YOLOv3目标检测的电力作业人员安全着装检测方法的流程图;
图2是本发明步骤1所述的制作电力作业人员着装样本集的流程图;
图3是本发明步骤14所述的标记样本图片中着装情况的流程图;
图4是本发明步骤2所述的训练安全着装检测模型的流程图;
图5是本发明步骤3所述的采用模型进行检测视频中安全着装情况的流程图。
具体实施方式
以下结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
如图1所示,本发明提供的基于YOLOv3目标检测的电力作业人员安全着装检测方法,具体实施步骤如下。
步骤1:收集电力作业人员的着装图片,制作训练样本集。如图2所示,制作用于训练网络模型的电力作业人员着装训练样本集具体按以下步骤实施:
步骤11:收集不同人员的不同着装图片。有以下两个途径,第一,从不同电力作业现场的历史监控视频中逐帧截取保存包含作业人员的图片;第二,让20名(其中男女各半)年龄不等、身高体型不同的人员穿着电力作业工作服并佩戴安全帽(不同颜色),模拟正确和错误着装情况并做出不同姿势,从正面、背面、左侧、右侧四个不同角度拍摄并保存照片。
其中,错误着装情况具体包括:完全未戴安全帽;完全未穿工作服;有安全帽但未戴;有工作服但未穿;卷起任何一只裤脚;卷起任何一只手袖;未扣工作服扣子并露出内部衣服或皮肤。
步骤12:采用图像处理方法对收集到的图片进行修改,将原图片和衍生图片一并作为制作样本的素材,以此方式来增加样本数量。
其中,图片修改方法具体包括:左右翻转;顺时针旋转10度、逆时针旋转10度;添加高斯噪声、椒盐噪声;增减对比度10%;增减亮度10%。
步骤13:划分着装情况的类别,确定类别标签。
其中,着装情况类别具体包括:安全帽佩戴规范;安全帽佩戴不规范;工作服穿着规范;工作服穿着不规范。对应的类别标签分别确定为helmet_ok;helmet_error;suit_ok;suit_error。
步骤14:利用标记工具Yolo_mark将每一张图片中的安全着装情况打上相应的标签,制作用于训练YOLOv3网络的样本集。如图3所示,给一张图片标记并打标签的实施步骤如下:
步骤141:用实线矩形框框住图片中每个人的头部,计算并记录该矩形框的中心点坐标、宽度、高度,同时给该矩形框中的人员安全帽佩戴情况打上对应的标签,即helmet_ok或helmet_error。
步骤142:用实线矩形框框住图片中每个人的身体部分,计算并记录该矩形框的中心点坐标、宽度、高度,同时给该矩形框中的人员工作服穿着情况打上对应的标签,即suit_ok;suit_error。
步骤143:将图片连同图片中附带的所有矩形框信息以及相对应的标签制作成符合YOLOv3输入格式的一个样本。
步骤2:构建YOLOv3网络模型,并采用电力作业人员的着装样本集对网络模型进行训练。如图4所示,YOLOv3网络模型的训练具体按以下步骤实施:
步骤21:构建YOLOv3网络模型。
步骤22:采用ImageNet图像数据集对该YOLOv3网络中的darknet-53模块进行物体分类训练,得到部分训练完成的YOLOv3网络模型。
步骤23:在步骤22结果基础上,采用Pascal VOC Data数据集对该完整的YOLOv3网络模型进行目标检测训练,得到能够用于目标检测的YOLOv3网络模型。
步骤24:在步骤23结果基础上,采用步骤1中制作的电力作业人员着装训练样本集对该YOLOv3网络模型进行安全着装检测训练,得到能够用于检测电力作业人员安全着装情况的YOLOv3网络模型。
步骤3:利用训练完的YOLOv3网络模型检测电力作业现场监控视频中的人员安全着装情况。如图5所示,采用YOLOv3网络模型检测监控视频中电力作业人员安全着装情况的具体步骤如下:
步骤31:获取电力作业现场监控视频,输入到安全着装检测的YOLOv3网络模型中。
步骤32:利用安全着装检测的YOLOv3网络模型对输入视频进行推理计算,得到视频中所有电力作业人员的安全着装情况,即人员头部的矩形框信息及安全帽佩戴情况标签、人员身体部分的矩形框信息及工作服穿着情况标签。
步骤33:输出并显示检测后的视频。若视频中存在电力作业人员,则用矩形框分别框住人员的头部和身体部分,并显示相应安全着装标签,对不规范着装情况予以告警;若视频中不存在人员,则显示原视频。
本发明利用目前最新的YOLOv3目标检测模型,在经过大量公开图像数据集预训练后的网络模型基础上,再次通过电力作业人员安全着装训练样本集的进一步训练后,能够同时对电力作业人员的安全帽佩戴情况和工作服穿着情况进行实时检测,适用性强,推广性高。
通过上述优选实施例已经对本发明的技术方案做了进一步的详细介绍,但应该强调的是,以上所述具体实施方式不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,在不脱离本发明的技术方案的思想前提下,对于本发明做出的多种修改、替换、润饰都将是显而易见的,都应视为本发明的保护范围。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (9)
1.基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,包括:
步骤1,收集电力作业人员的着装图片,制作训练样本集;
步骤2,构建YOLOv3网络模型,并采用训练样本集对网络模型进行训练,得到训练完成的YOLOv3网络模型;
步骤3,将电力作业现场监控视频作为训练完成的YOLOv3网络模型的输入数据,检测视频中的电力作业人员的安全着装情况。
2.如权利要求1所述的基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,所述的步骤1包括:
步骤11,收集不同人员的不同着装图片,有以下两个途径:第一,从不同电力作业现场的历史监控视频中逐帧截取保存包含作业人员的图片;第二,让不同人员穿着电力作业工作服并佩戴安全帽,模拟正确和错误着装情况并做出不同姿势,从不同角度拍摄并保存照片;
步骤12,采用图像处理方法对收集到的图片进行修改,将原图片和衍生图片一并作为制作样本的素材,以此方式来增加样本数量;
步骤13,划分着装情况的类别,确定类别标签;
步骤14,将每一张图片中的安全着装情况打上相应的标签,制作用于训练YOLOv3网络的训练样本集。
3.如权利要求2所述的基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,所述的步骤11中,
所述的错误着装情况具体包括:完全未戴安全帽;完全未穿工作服;有安全帽但未戴;有工作服但未穿;卷起任何一只裤脚;卷起任何一只手袖;未扣工作服扣子并露出内部衣服或皮肤。
4.如权利要求2所述的基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,所述的步骤12中,
所述的图片修改方法具体包括:左右翻转;不同角度旋转;添加不同程度噪声;改变对比度;改变亮度。
5.如权利要求2所述的基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,所述的步骤13中,
所述的着装情况类别具体包括:安全帽佩戴规范;安全帽佩戴不规范;工作服穿着规范;工作服穿着不规范。
6.如权利要求1所述的基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,所述的步骤2包括:
步骤21,构建YOLOv3网络模型;
步骤22,采用ImageNet图像数据集对YOLOv3网络模型中的darknet-53模块进行物体分类训练,得到部分训练完成的YOLOv3网络模型;
步骤23,在步骤22结果的基础上,采用Pascal VOC Data数据集对完整的YOLOv3进行目标检测训练,得到能够用于目标检测的YOLOv3网络模型;
步骤24,在步骤23结果的基础上,采用步骤1中制作的训练样本集对YOLOv3网络模型进行安全着装检测训练,得到安全着装检测的YOLOv3网络模型。
7.如权利要求1所述的基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,所述的步骤3包括:
步骤31,获取电力作业现场监控视频,输入到安全着装检测的YOLOv3网络模型中;
步骤32,经过安全着装检测的YOLOv3网络模型的计算,得到视频中所有电力作业人员的安全着装情况,包括人员头部的矩形框信息及安全帽佩戴情况标签、人员身体部分的矩形框信息及工作服穿着情况标签;
步骤33,输出检测后的视频。
8.如权利要求7所述的基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,所述的步骤33中,若视频中存在电力作业人员,则用矩形框分别框住人员的头部和身体部分,并显示相应安全着装标签,对不规范着装情况予以告警;若视频中不存在人员,则显示原视频。
9.如权利要求7所述的基于YOLOv3目标检测的电力作业人员安全着装检测方法,其特征在于,所述步骤14包括:
步骤141,用矩形框框住图片中每个人的头部,计算并记录该矩形框的中心点坐标、宽度、高度,同时给该矩形框中的人员安全帽佩戴情况打上对应的标签;
步骤142,用矩形框框住图片中每个人的身体部分,计算并记录该矩形框的中心点坐标、宽度、高度,同时给该矩形框中的人员工作服穿着情况打上对应的标签;
步骤143:将图片连同图片中附带的所有矩形框信息以及相对应的标签制作成符合YOLOv3输入格式的一个训练样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811475125.4A CN109635697A (zh) | 2018-12-04 | 2018-12-04 | 基于YOLOv3目标检测的电力作业人员安全着装检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811475125.4A CN109635697A (zh) | 2018-12-04 | 2018-12-04 | 基于YOLOv3目标检测的电力作业人员安全着装检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109635697A true CN109635697A (zh) | 2019-04-16 |
Family
ID=66071071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811475125.4A Pending CN109635697A (zh) | 2018-12-04 | 2018-12-04 | 基于YOLOv3目标检测的电力作业人员安全着装检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635697A (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046605A (zh) * | 2019-04-25 | 2019-07-23 | 大连海事大学 | 基于视觉追踪的多维信息校对机械加工现场管理*** |
CN110111016A (zh) * | 2019-05-14 | 2019-08-09 | 深圳供电局有限公司 | 作业人员的危险状态监控方法、装置及计算机设备 |
CN110399905A (zh) * | 2019-07-03 | 2019-11-01 | 常州大学 | 施工场景中安全帽佩戴情况的检测及描述方法 |
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 |
CN110543986A (zh) * | 2019-08-27 | 2019-12-06 | 广东电网有限责任公司 | 一种输电线路外部隐患智能监控***及其监控方法 |
CN110599735A (zh) * | 2019-07-31 | 2019-12-20 | 国网浙江省电力有限公司杭州供电公司 | 一种基于变电站作业违章行为智能识别的告警方法 |
CN110751125A (zh) * | 2019-10-29 | 2020-02-04 | 秒针信息技术有限公司 | 穿戴检测方法及装置 |
CN110807429A (zh) * | 2019-10-23 | 2020-02-18 | 西安科技大学 | 基于tiny-YOLOv3的施工安全检测方法及*** |
CN111080693A (zh) * | 2019-11-22 | 2020-04-28 | 天津大学 | 一种基于YOLOv3的机器人自主分类抓取方法 |
CN111144263A (zh) * | 2019-12-20 | 2020-05-12 | 山东大学 | 一种建筑工人高坠事故预警方法及装置 |
CN111178302A (zh) * | 2019-12-31 | 2020-05-19 | 北大方正集团有限公司 | 特定着装人物的检测方法和装置 |
CN111178212A (zh) * | 2019-12-23 | 2020-05-19 | 深圳供电局有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN111310723A (zh) * | 2020-03-12 | 2020-06-19 | 智洋创新科技股份有限公司 | 基于深度学习技术的变电站人员穿戴规范分析方法 |
CN111401278A (zh) * | 2020-03-20 | 2020-07-10 | 重庆紫光华山智安科技有限公司 | 安全帽识别方法、装置、电子设备及存储介质 |
CN111401314A (zh) * | 2020-04-10 | 2020-07-10 | 上海东普信息科技有限公司 | 着装信息检测方法、装置、设备及存储介质 |
CN111563557A (zh) * | 2020-05-12 | 2020-08-21 | 山东科华电力技术有限公司 | 一种电力电缆隧道内目标检测的方法 |
CN111652046A (zh) * | 2020-04-17 | 2020-09-11 | 济南浪潮高新科技投资发展有限公司 | 基于深度学习的安全穿戴检测方法、设备及*** |
CN111814763A (zh) * | 2020-08-26 | 2020-10-23 | 长沙鹏阳信息技术有限公司 | 一种基于跟踪序列的无感考勤和制服识别方法 |
CN111860471A (zh) * | 2020-09-21 | 2020-10-30 | 之江实验室 | 一种基于特征检索的工服穿戴识别方法及*** |
CN112036744A (zh) * | 2020-08-28 | 2020-12-04 | 深圳前海微众银行股份有限公司 | 一种确定工作状况的方法及装置 |
CN112149512A (zh) * | 2020-08-28 | 2020-12-29 | 成都飞机工业(集团)有限责任公司 | 一种基于两阶段深度学习的安全帽佩戴识别方法 |
CN112307891A (zh) * | 2020-09-24 | 2021-02-02 | 中国电力科学研究院有限公司 | 一种基于深度学习进行图像识别的方法及装置 |
CN112365692A (zh) * | 2020-11-08 | 2021-02-12 | 华能通辽风力发电有限公司 | 风电场运维人员未戴安全帽检测***及方法 |
CN112528855A (zh) * | 2020-12-11 | 2021-03-19 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
CN112580739A (zh) * | 2020-12-28 | 2021-03-30 | 上海明略人工智能(集团)有限公司 | 一种训练样本集的确定方法和装置 |
CN112634233A (zh) * | 2020-12-24 | 2021-04-09 | 四川电器集团中低压智能配电有限公司 | 基于图像检测和分析技术在配电设备中的应用方法 |
CN112861576A (zh) * | 2019-11-27 | 2021-05-28 | 顺丰科技有限公司 | 员工形象检测方法、装置、计算机设备和存储介质 |
CN112966618A (zh) * | 2021-03-11 | 2021-06-15 | 京东数科海益信息科技有限公司 | 着装识别方法、装置、设备及计算机可读介质 |
CN113179386A (zh) * | 2021-03-19 | 2021-07-27 | 江西铜业股份有限公司 | 一种矿区安全智能监控广播***及其智能广播方法 |
CN113256934A (zh) * | 2021-05-18 | 2021-08-13 | 哈尔滨理工大学 | 一种高空作业人员安全检测*** |
CN113297913A (zh) * | 2021-04-26 | 2021-08-24 | 云南电网有限责任公司信息中心 | 一种配网现场作业人员穿衣规范的识别方法 |
CN113313186A (zh) * | 2021-06-09 | 2021-08-27 | 广东电网有限责任公司 | 一种不规范穿戴工作服识别方法及*** |
CN113553979A (zh) * | 2021-07-30 | 2021-10-26 | 国电汉川发电有限公司 | 一种基于改进yolo v5的安全服检测方法和*** |
CN113657165A (zh) * | 2020-08-10 | 2021-11-16 | 广东电网有限责任公司 | 电力现场作业中的危险攀登行为识别算法 |
CN113673335A (zh) * | 2020-08-10 | 2021-11-19 | 广东电网有限责任公司 | 电力现场作业中的危险越界行为识别算法 |
CN113807240A (zh) * | 2021-09-15 | 2021-12-17 | 国网河北省电力有限公司衡水供电分公司 | 基于非配合式人脸识别的变电站人员着装智能监控方法 |
WO2022111271A1 (zh) * | 2020-11-24 | 2022-06-02 | 华为云计算技术有限公司 | 服装规范化检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120146792A1 (en) * | 2010-12-09 | 2012-06-14 | Nicholas De Luca | Automated monitoring and control of contamination in a production area |
CN108052900A (zh) * | 2017-12-12 | 2018-05-18 | 成都睿码科技有限责任公司 | 一种通过监控视频自动判断着装规范的方法 |
CN108319934A (zh) * | 2018-03-20 | 2018-07-24 | 武汉倍特威视***有限公司 | 基于视频流数据的安全帽佩戴情况检测方法 |
-
2018
- 2018-12-04 CN CN201811475125.4A patent/CN109635697A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120146792A1 (en) * | 2010-12-09 | 2012-06-14 | Nicholas De Luca | Automated monitoring and control of contamination in a production area |
CN108052900A (zh) * | 2017-12-12 | 2018-05-18 | 成都睿码科技有限责任公司 | 一种通过监控视频自动判断着装规范的方法 |
CN108319934A (zh) * | 2018-03-20 | 2018-07-24 | 武汉倍特威视***有限公司 | 基于视频流数据的安全帽佩戴情况检测方法 |
Non-Patent Citations (3)
Title |
---|
BAIDU_38371925: "https://blog.csdn.net/***_38371925/article/details/78421612", 《基于DARKNET框架的IMAGENET数据分类预训练》 * |
ZWX1995ZWX: "https://blog.csdn.net/zwx1995zwx/article/details/79874434", 《YOLOV3在PASCAL_VOC数据集上的训练(一)》 * |
郝存明 等: "基于深度学习的安全帽检测方法研究", 《河北省科学院学报》 * |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046605A (zh) * | 2019-04-25 | 2019-07-23 | 大连海事大学 | 基于视觉追踪的多维信息校对机械加工现场管理*** |
CN110111016A (zh) * | 2019-05-14 | 2019-08-09 | 深圳供电局有限公司 | 作业人员的危险状态监控方法、装置及计算机设备 |
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 |
CN110502965B (zh) * | 2019-06-26 | 2022-05-17 | 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 |
CN110399905A (zh) * | 2019-07-03 | 2019-11-01 | 常州大学 | 施工场景中安全帽佩戴情况的检测及描述方法 |
CN110599735A (zh) * | 2019-07-31 | 2019-12-20 | 国网浙江省电力有限公司杭州供电公司 | 一种基于变电站作业违章行为智能识别的告警方法 |
CN110543986A (zh) * | 2019-08-27 | 2019-12-06 | 广东电网有限责任公司 | 一种输电线路外部隐患智能监控***及其监控方法 |
CN110807429A (zh) * | 2019-10-23 | 2020-02-18 | 西安科技大学 | 基于tiny-YOLOv3的施工安全检测方法及*** |
CN110807429B (zh) * | 2019-10-23 | 2023-04-07 | 西安科技大学 | 基于tiny-YOLOv3的施工安全检测方法及*** |
CN110751125A (zh) * | 2019-10-29 | 2020-02-04 | 秒针信息技术有限公司 | 穿戴检测方法及装置 |
CN111080693A (zh) * | 2019-11-22 | 2020-04-28 | 天津大学 | 一种基于YOLOv3的机器人自主分类抓取方法 |
CN112861576A (zh) * | 2019-11-27 | 2021-05-28 | 顺丰科技有限公司 | 员工形象检测方法、装置、计算机设备和存储介质 |
CN111144263A (zh) * | 2019-12-20 | 2020-05-12 | 山东大学 | 一种建筑工人高坠事故预警方法及装置 |
CN111144263B (zh) * | 2019-12-20 | 2023-10-13 | 山东大学 | 一种建筑工人高坠事故预警方法及装置 |
CN111178212A (zh) * | 2019-12-23 | 2020-05-19 | 深圳供电局有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN111178302A (zh) * | 2019-12-31 | 2020-05-19 | 北大方正集团有限公司 | 特定着装人物的检测方法和装置 |
CN111310723A (zh) * | 2020-03-12 | 2020-06-19 | 智洋创新科技股份有限公司 | 基于深度学习技术的变电站人员穿戴规范分析方法 |
CN111401278A (zh) * | 2020-03-20 | 2020-07-10 | 重庆紫光华山智安科技有限公司 | 安全帽识别方法、装置、电子设备及存储介质 |
CN111401314A (zh) * | 2020-04-10 | 2020-07-10 | 上海东普信息科技有限公司 | 着装信息检测方法、装置、设备及存储介质 |
CN111401314B (zh) * | 2020-04-10 | 2023-06-13 | 上海东普信息科技有限公司 | 着装信息检测方法、装置、设备及存储介质 |
CN111652046A (zh) * | 2020-04-17 | 2020-09-11 | 济南浪潮高新科技投资发展有限公司 | 基于深度学习的安全穿戴检测方法、设备及*** |
CN111563557A (zh) * | 2020-05-12 | 2020-08-21 | 山东科华电力技术有限公司 | 一种电力电缆隧道内目标检测的方法 |
CN111563557B (zh) * | 2020-05-12 | 2023-01-17 | 山东科华电力技术有限公司 | 一种电力电缆隧道内目标检测的方法 |
CN113657165A (zh) * | 2020-08-10 | 2021-11-16 | 广东电网有限责任公司 | 电力现场作业中的危险攀登行为识别算法 |
CN113673335A (zh) * | 2020-08-10 | 2021-11-19 | 广东电网有限责任公司 | 电力现场作业中的危险越界行为识别算法 |
CN111814763B (zh) * | 2020-08-26 | 2021-01-08 | 长沙鹏阳信息技术有限公司 | 一种基于跟踪序列的无感考勤和制服识别方法 |
CN111814763A (zh) * | 2020-08-26 | 2020-10-23 | 长沙鹏阳信息技术有限公司 | 一种基于跟踪序列的无感考勤和制服识别方法 |
CN112149512A (zh) * | 2020-08-28 | 2020-12-29 | 成都飞机工业(集团)有限责任公司 | 一种基于两阶段深度学习的安全帽佩戴识别方法 |
CN112036744A (zh) * | 2020-08-28 | 2020-12-04 | 深圳前海微众银行股份有限公司 | 一种确定工作状况的方法及装置 |
CN111860471A (zh) * | 2020-09-21 | 2020-10-30 | 之江实验室 | 一种基于特征检索的工服穿戴识别方法及*** |
CN112307891A (zh) * | 2020-09-24 | 2021-02-02 | 中国电力科学研究院有限公司 | 一种基于深度学习进行图像识别的方法及装置 |
CN112365692A (zh) * | 2020-11-08 | 2021-02-12 | 华能通辽风力发电有限公司 | 风电场运维人员未戴安全帽检测***及方法 |
WO2022111271A1 (zh) * | 2020-11-24 | 2022-06-02 | 华为云计算技术有限公司 | 服装规范化检测方法及装置 |
CN112528855A (zh) * | 2020-12-11 | 2021-03-19 | 南方电网电力科技股份有限公司 | 一种电力作业着装规范识别方法和装置 |
CN112634233A (zh) * | 2020-12-24 | 2021-04-09 | 四川电器集团中低压智能配电有限公司 | 基于图像检测和分析技术在配电设备中的应用方法 |
CN112580739B (zh) * | 2020-12-28 | 2024-02-27 | 上海明略人工智能(集团)有限公司 | 一种训练样本集的确定方法和装置 |
CN112580739A (zh) * | 2020-12-28 | 2021-03-30 | 上海明略人工智能(集团)有限公司 | 一种训练样本集的确定方法和装置 |
CN112966618A (zh) * | 2021-03-11 | 2021-06-15 | 京东数科海益信息科技有限公司 | 着装识别方法、装置、设备及计算机可读介质 |
CN112966618B (zh) * | 2021-03-11 | 2024-02-09 | 京东科技信息技术有限公司 | 着装识别方法、装置、设备及计算机可读介质 |
CN113179386A (zh) * | 2021-03-19 | 2021-07-27 | 江西铜业股份有限公司 | 一种矿区安全智能监控广播***及其智能广播方法 |
CN113179386B (zh) * | 2021-03-19 | 2023-04-25 | 江西铜业股份有限公司 | 一种矿区安全智能监控广播***及其智能广播方法 |
CN113297913B (zh) * | 2021-04-26 | 2023-05-26 | 云南电网有限责任公司信息中心 | 一种配网现场作业人员穿衣规范的识别方法 |
CN113297913A (zh) * | 2021-04-26 | 2021-08-24 | 云南电网有限责任公司信息中心 | 一种配网现场作业人员穿衣规范的识别方法 |
CN113256934A (zh) * | 2021-05-18 | 2021-08-13 | 哈尔滨理工大学 | 一种高空作业人员安全检测*** |
CN113313186B (zh) * | 2021-06-09 | 2023-01-24 | 广东电网有限责任公司 | 一种不规范穿戴工作服识别方法及*** |
CN113313186A (zh) * | 2021-06-09 | 2021-08-27 | 广东电网有限责任公司 | 一种不规范穿戴工作服识别方法及*** |
CN113553979A (zh) * | 2021-07-30 | 2021-10-26 | 国电汉川发电有限公司 | 一种基于改进yolo v5的安全服检测方法和*** |
CN113553979B (zh) * | 2021-07-30 | 2023-08-08 | 国电汉川发电有限公司 | 一种基于改进yolo v5的安全服检测方法和*** |
CN113807240A (zh) * | 2021-09-15 | 2021-12-17 | 国网河北省电力有限公司衡水供电分公司 | 基于非配合式人脸识别的变电站人员着装智能监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635697A (zh) | 基于YOLOv3目标检测的电力作业人员安全着装检测方法 | |
CN110110629A (zh) | 面向室内环境控制的人员信息检测方法与*** | |
CN106022304B (zh) | 一种基于双目相机的实时人体坐姿情况检测方法 | |
CN104036236B (zh) | 一种基于多参数指数加权的人脸性别识别方法 | |
CN108596011A (zh) | 一种基于组合深度网络的人脸属性识别方法和装置 | |
CN106874871B (zh) | 一种活体人脸双摄像头识别方法及识别装置 | |
CN107590452A (zh) | 一种基于步态与人脸融合的身份识别方法及装置 | |
CN109215806A (zh) | 一种基于人脸识别的公共场所健康监测***及方法 | |
CN109657609A (zh) | 人脸识别方法及*** | |
CN107895160A (zh) | 人脸检测与识别装置及方法 | |
CN107679503A (zh) | 一种基于深度学习的人群计数算法 | |
CN105989331B (zh) | 脸部特征提取装置、脸部特征提取方法、图像处理设备和图像处理方法 | |
CN104143079A (zh) | 人脸属性识别的方法和*** | |
CN109522853A (zh) | 面向监控视频的人脸检测与搜索方法 | |
CN102567716B (zh) | 一种人脸合成***及实现方法 | |
CN104091173B (zh) | 一种基于网络摄像机的性别识别方法及装置 | |
CN110074788B (zh) | 一种基于机器学习的身体数据获取方法和装置 | |
CN105930798A (zh) | 基于学习的面向手机应用的舌像快速检测分割方法 | |
CN110163126A (zh) | 一种基于人脸的活体检测方法、装置及设备 | |
Kumar et al. | Automatic Face Mask Detection Using Deep Learning-Based Mobile-Net Architecture | |
CN108960076A (zh) | 基于卷积神经网络的耳朵识别与跟踪方法 | |
US20230237694A1 (en) | Method and system for detecting children's sitting posture based on face recognition of children | |
CN105320948A (zh) | 一种基于图像的性别识别方法、装置及*** | |
CN109587394A (zh) | 一种智能构图方法、电子设备及存储介质 | |
CN104899559B (zh) | 一种基于视频监控的快速行人检测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190416 |