CN110188724B - 基于深度学习的安全帽定位与颜色识别的方法及*** - Google Patents

基于深度学习的安全帽定位与颜色识别的方法及*** Download PDF

Info

Publication number
CN110188724B
CN110188724B CN201910484745.2A CN201910484745A CN110188724B CN 110188724 B CN110188724 B CN 110188724B CN 201910484745 A CN201910484745 A CN 201910484745A CN 110188724 B CN110188724 B CN 110188724B
Authority
CN
China
Prior art keywords
helmet
safety helmet
image
target
position information
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.)
Active
Application number
CN201910484745.2A
Other languages
English (en)
Other versions
CN110188724A (zh
Inventor
庞殊杨
毛尚伟
贾鸿盛
谢小东
唐海翔
陈正国
王志伟
***
刘明
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.)
CISDI Chongqing Information Technology Co Ltd
Original Assignee
CISDI Chongqing Information Technology Co 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 CISDI Chongqing Information Technology Co Ltd filed Critical CISDI Chongqing Information Technology Co Ltd
Priority to CN201910484745.2A priority Critical patent/CN110188724B/zh
Publication of CN110188724A publication Critical patent/CN110188724A/zh
Application granted granted Critical
Publication of CN110188724B publication Critical patent/CN110188724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • 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
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

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)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于深度学习的安全帽定位与颜色识别的方法及***，方法包括：采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息；本发明能够持续有效的监控指定区域，防止人员未佩戴安全帽造成安全事故，代替人工进行智能分析处理并实时地发出报警信号，提高安防视频监控的通用性、稳定性和准确性不高的问题。

Description

基于深度学习的安全帽定位与颜色识别的方法及***
技术领域
本发明涉及计算机应用领域，尤其涉及一种基于深度学习的安全帽定位与颜色识别的方法及***。
背景技术
随着安防监控摄像头的普及，各种不同场景下的识别需求也应运而生，尤其是针对人员安全方面的识别需求。对于工地、工厂以及其他特定场合，要求相关工作人员及外来访客必须佩戴安全帽，则需要通过安防监控摄像头对该类区域进行24小时地实时监控，如果有人体进入该区域且没有正确佩戴安全帽则及时提醒或者发出报警信号。
传统的安防视频监控手段是采用人工的方式对大批量的监控视频进行辨别，但这种方式难以24小时连续工作，且容易发生漏看的情况。针对这一问题，现有的监控方式大部分是通过人体识别加上安全帽识别的串行方式进行的安全帽佩戴判断，即先识别画面中有无人体，将人体部分的图像裁剪出来，再对上述裁剪后的图像判断是否存在安全帽。此类串行识别方式的最大局限是如果第一步人体识别出现问题，则后续安全帽识别操作则无法进行。在现实场景中，人体在视频画面中容易被遮挡，且图像采集装置的角度也对人体识别的精度有很大影响，容易造成误识别和漏检。因此，这种串行方法的通用性、稳定性和准确性不高。因此，需要一种新的监控方式，以提高安防视频监控的通用性、稳定性和准确性不高的问题。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种基于深度学习的安全帽定位与颜色识别的方法及***，以解决上述技术问题。
本发明提供的基于深度学习的安全帽定位与颜色识别的方法，包括：
采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；
将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；
获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；
根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息。
可选的，所述目标分类至少包括人体头部和安全帽；
当检测到的感兴趣区域只有人体头部时，判定存在人员未佩戴安全帽；
当检测到的感兴趣区域只有安全帽时，判定安全帽被正确佩戴；
当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，判断安全帽是否被正确佩戴。
可选的，当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，获取人体头部和安全帽的位置关系，以及人体头部和安全帽的中心点距离，当安全帽的位置位于人体头部上方，且二者的中心点距离不超过预设的距离阈值时，则判定安全帽被正确佩戴，否则，则判定安全帽未被正确佩戴。
可选的，根据采集的图像信息，获取连续帧图像，获取当前帧图像和前帧图像中每个像素点的差值，将所述差值与预设的阈值进行比较，当所述差值超过预设的阈值范围时，将对应的像素点作为前景图像，否则，则作为背景图像，通过所述前景图像获取所述图像信息中的运动物体图像。
可选的，所述检测结果还包括目标的置信度，所述目标置信度至少包括人体头部的置信度和安全帽的置信度，预先设置置信度阈值，当检测结果中的目标的置信度大于预设的置信度阈值时，则将其作为可信结果，否则，则将其作为不可信结果，并进行忽略处理。
可选的，当判定安全帽被正确佩戴后，对处于安全帽的位置信息区域内的图像进行颜色识别，获取检测目标的安全帽的颜色。
本发明还提供一种基于深度学习的安全帽定位与颜色识别的***，包括：
图像采集模块，用于采集图像信息；
图像处理模块，用于获取图像信息中的运动物体图像，并将其作为感兴趣区域；
卷积神经网络模型，用于对所述图像信息按预先设置的目标分类进行多目标并行检测，获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；
判定模块，用于根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断；
报警模块，用于当判定存在人员未佩戴安全帽时，发出报警信息。
可选的，还包括：
颜色识别模块，用于当判定安全帽被正确佩戴后，对处于安全帽的位置信息区域内的图像进行颜色识别，获取检测目标的安全帽的颜色；
统计模块，用于统计图像信息中佩戴安全帽的人员的数量。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上述任一项所述方法。
本发明的有益效果：本发明中的基于深度学习的安全帽定位与颜色识别的方法及***，实现了监控视频中危险区域的智能化报警，能够持续有效的监控指定区域，防止人员未佩戴安全帽造成安全事故；本发明能够二十四小时不间断地对安防监控视频进行智能视觉识别和识别分析，针对视频图像能够拍摄到的区域，代替人工进行智能分析处理并实时地发出报警信号，提高安防视频监控的通用性、稳定性和准确性不高的问题。
附图说明
图1是本发明实施例中基于深度学习的安全帽定位与颜色识别的方法的流程示意图。
图2是本发明实施例中基于深度学习的安全帽定位与颜色识别的***的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
如图1所示，本实施例中的基于深度学习算法的安全帽定位与颜色识别方法，包括：
采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；
将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；
获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；
根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息。
在本实施例中，可以通过监控摄像头等图像采集装置对需要进行监控的区域，例如安防或工地工厂等场景进行图像采集，获取对应的实时图像信息，首先，识别实时视频图像中有变化的部分，即运动的物体；如果视频图像中出现了运动的物体，则针对该部分图像，利用基于深度学习算法的卷积神经网络模型，进行人头部的目标检测和安全帽的目标检测；再根据人头部的目标检测和安全帽的目标检测的识别结果，从逻辑上判断人员佩戴安全帽的情况；如果检测到未佩戴安全帽的人员，则发出报警信息；如果检测到正确佩戴安全帽的人员，则通过图像识别算法，识别安全帽的颜色，并进行相应的人员佩戴安全帽的统计。
在本实施例中，将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测，即同时识别图像的感兴趣区域内是否存在人头部或者安全帽。如果仅识别到人头部未识别到安全帽，则说明感兴趣区域内有人未佩戴安全帽；如果同时识别到人头部和安全帽，则根据人体头部位置信息和安全帽的位置信息，判断安全帽是否被正确佩戴；因为安全帽被正确佩戴后会遮挡人头部，如果仅识别到安全帽，则说明安全帽被正确佩戴，通过这种方式智能地识别视频图像中人员佩戴安全帽的情况，并根据结果进行相应的统计分析。
在另一实施例中，也可以结合人脸识别或物理识别等技术，判断未戴安全帽人员的身份，也可以结合定位技术，预先在安全帽上设置身份识别装置和定位装置，在检测到未戴安全帽人员后，对其进行身份识别和定位，也可以将安全帽与移动通信装置绑定，通过移动通信装置对未佩戴或未正确佩戴安全帽的人员进行报警提醒。
在本实施例中，可选的，感兴趣区域可以利用“前后景分割”算法来获取，即计算“当前帧”图像的每个像素点与基于KNN(k-nearest neighbor)算法自适应更新的“背景帧”图像的相应像素点的差值，如果该差值超过设定的阈值，则视该像素点为前景图像，反之，则设为背景图像。通过上述算法，提取出图像中的运动物体区域，将该区域设置为图像的ROI(region of interest，感兴趣区域)，便于后续图像识别处理。
在本实施例中，当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，获取人体头部和安全帽的位置关系，以及人体头部和安全帽的中心点距离，当安全帽的位置位于人体头部上方，且二者的中心点距离不超过预设的距离阈值时，则判定安全帽被正确佩戴，否则，则判定安全帽未被正确佩戴。可选的，本实施例利用基于深度学习算法的卷积神经网络模型，针对感兴趣区域，进行人头部和安全帽两个类别的多分类目标检测，获取图像中人头部和安全帽的位置信息和置信度，每个人头部或者安全帽部分有其对应的位置信息和置信度。设置指定的置信度阈值，当检测出来的目标的置信度大于置信度阈值时，则视为人头部或安全帽，反之，则忽略该目标。对于检测出来的人头部和安全帽的位置信息，通过逻辑判断该人员是否佩戴安全帽，可分为以下三种情况：一、感兴趣区域中仅识别到安全帽，则视为有人员佩戴安全帽；二、感兴趣区域中仅识别到人头部，则视为有人员未佩戴安全帽；三、感兴趣区域中既识别到安全帽又识别到人头部，则计算安全帽位置信息与人头部位置信息的位置关系和中心点距离，如果安全帽位置位于人头部位置上方且中心点距离不超过设定的距离阈值，则视为人员正确佩戴安全帽，反之，则视为未正确佩戴安全帽。
在本实施例中，当判定安全帽被正确佩戴后，对处于安全帽的位置信息区域内的图像进行颜色识别，获取检测目标的安全帽的颜色。可选的，例如某个监控区域内的安全帽只有有红、黄、蓝、白四种颜色，如果人员正确佩戴安全帽，可以通过HSV图像识别算法识别安全帽的颜色，即计算安全帽位置信息区域内图像的HSV值，与红、黄、蓝、白四种颜色的HSV值做比对，如果HSV值的差值小于阈值，则判定安全帽颜色为红、黄、蓝或白，并统计画面中佩戴安全帽的人员个数。
如图2所示，相应的，本实施例还提供一种基于深度学习算法的安全帽定位与颜色识别***，包括：
图像采集模块，用于采集图像信息；
图像处理模块，用于获取图像信息中的运动物体图像，并将其作为感兴趣区域；
卷积神经网络模型，用于对所述图像信息按预先设置的目标分类进行多目标并行检测，获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；
判定模块，用于根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断；
报警模块，用于当判定存在人员未佩戴安全帽时，发出报警信息。
颜色识别模块，用于当判定安全帽被正确佩戴后，对处于安全帽的位置信息区域内的图像进行颜色识别，获取检测目标的安全帽的颜色；
统计模块，用于统计图像信息中佩戴安全帽的人员的数量。
本实施例通过人头部和安全帽的并行多目标识别可以有效的解决串行方法中存在的稳定性和准确性的问题。从算法通用性来说，无论图像采集装置的角度如何(俯视或者仰视)，人头部和安全帽的特征十分明显，可以被有效识别出来；从判断逻辑来说，如果仅识别到人头部未识别到安全帽，则说明有人未佩戴安全帽；如果同时识别到人头部和安全帽，则通过其位置关系判断安全帽是否被正确佩戴；因为安全帽被正确佩戴后会遮挡人头部，如果仅识别到安全帽，则说明安全帽被正确佩戴。上述判断逻辑比串行方法中针对人体图像的上半部分识别是否存在安全帽更加严谨，如果有人将安全帽拿在手上或者扛在肩上，也能有限被识别出未正确佩戴安全帽。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
本发明可用于众多通用或专用的计算***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
在上述实施例中，说明书对“本实施例”、“一实施例”、“另一实施例”、或“其他实施例”的提及表示结合实施例说明的特定特征、结构或特性包括在至少一些实施例中，但不必是全部实施例。“本实施例”、“一实施例”、“另一实施例”的多次出现不一定全部都指代相同的实施例。如果说明书描述了部件、特征、结构或特性“可以”、“或许”或“能够”被包括，则该特定部件、特征、结构或特性“可以”、“或许”或“能够”被包括，则该特定部件、特征、结构或特性不是必须被包括的。如果说明书或权利要求提及“一”元件，并非表示仅有一个元件。如果说明书或权利要求提及“一另外的”元件，并不排除存在多于一个的另外的元件。
在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (9)

1.一种基于深度学习的安全帽定位与颜色识别的方法，其特征在于，包括：
采集图像信息，获取图像信息中的运动物体图像，并将其作为感兴趣区域；
将所述感兴趣区域输入至预先建立的卷积神经网络模型，对所述图像信息按预先设置的目标分类进行多目标并行检测；所述目标分类至少包括人体头部和安全帽；
获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息；
根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断，当判定存在人员未佩戴安全帽时，发出报警信息；
当检测到的感兴趣区域只有人体头部时，判定存在人员未佩戴安全帽；
当检测到的感兴趣区域只有安全帽时，判定安全帽被正确佩戴；
当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，判断安全帽是否被正确佩戴。
2.根据权利要求1所述的基于深度学习的安全帽定位与颜色识别的方法，其特征在于，当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，获取人体头部和安全帽的位置关系，以及人体头部和安全帽的中心点距离，当安全帽的位置位于人体头部上方，且二者的中心点距离不超过预设的距离阈值时，则判定安全帽被正确佩戴，否则，则判定安全帽未被正确佩戴。
3.根据权利要求1所述的基于深度学习的安全帽定位与颜色识别的方法，其特征在于，根据采集的图像信息，获取连续帧图像，获取当前帧图像和前帧图像中每个像素点的差值，将所述差值与预设的阈值进行比较，当所述差值超过预设的阈值范围时，将对应的像素点作为前景图像，否则，则作为背景图像，通过所述前景图像获取所述图像信息中的运动物体图像。
4.根据权利要求1所述的基于深度学习的安全帽定位与颜色识别的方法，其特征在于，所述检测结果还包括目标的置信度，所述目标置信度至少包括人体头部的置信度和安全帽的置信度，预先设置置信度阈值，当检测结果中的目标的置信度大于预设的置信度阈值时，则将其作为可信结果，否则，则将其作为不可信结果，并进行忽略处理。
5.根据权利要求2所述的基于深度学习的安全帽定位与颜色识别的方法，其特征在于，当判定安全帽被正确佩戴后，对处于安全帽的位置信息区域内的图像进行颜色识别，获取检测目标的安全帽的颜色。
6.一种基于深度学习的安全帽定位与颜色识别的***，其特征在于，包括：
图像采集模块，用于采集图像信息；
图像处理模块，用于获取图像信息中的运动物体图像，并将其作为感兴趣区域；
卷积神经网络模型，用于对所述图像信息按预先设置的目标分类进行多目标并行检测，获取并行检测结果，所述检测结果至少包括人体头部位置信息和安全帽的位置信息，所述目标分类至少包括人体头部和安全帽；
判定模块，用于根据所述并行检测结果对采集图像信息中的人员佩戴安全帽情况进行判断；
报警模块，用于当判定存在人员未佩戴安全帽时，发出报警信息；
当检测到的感兴趣区域只有人体头部时，判定存在人员未佩戴安全帽；
当检测到的感兴趣区域只有安全帽时，判定安全帽被正确佩戴；
当检测到的感兴趣区域同时存在人体头部和安全帽时，根据人体头部位置信息和安全帽的位置信息，判断安全帽是否被正确佩戴。
7.根据权利要求6所述的基于深度学习的安全帽定位与颜色识别的***，其特征在于：还包括：
颜色识别模块，用于当判定安全帽被正确佩戴后，对处于安全帽的位置信息区域内的图像进行颜色识别，获取检测目标的安全帽的颜色；
统计模块，用于统计图像信息中佩戴安全帽的人员的数量。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1至5中任一项所述方法。
9.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至5中任一项所述方法。
CN201910484745.2A 2019-06-05 2019-06-05 基于深度学习的安全帽定位与颜色识别的方法及*** Active CN110188724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910484745.2A CN110188724B (zh) 2019-06-05 2019-06-05 基于深度学习的安全帽定位与颜色识别的方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910484745.2A CN110188724B (zh) 2019-06-05 2019-06-05 基于深度学习的安全帽定位与颜色识别的方法及***

Publications (2)

Publication Number Publication Date
CN110188724A CN110188724A (zh) 2019-08-30
CN110188724B true CN110188724B (zh) 2023-02-28

Family

ID=67720379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910484745.2A Active CN110188724B (zh) 2019-06-05 2019-06-05 基于深度学习的安全帽定位与颜色识别的方法及***

Country Status (1)

Country Link
CN (1) CN110188724B (zh)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728264A (zh) * 2019-10-24 2020-01-24 名创优品（横琴）企业管理有限公司 一种配饰类可穿戴产品穿戴情况检测方法及***
CN110929608A (zh) * 2019-11-12 2020-03-27 国网天津市电力公司 安全帽佩带检测方法及***
CN111091535A (zh) * 2019-11-22 2020-05-01 三一重工股份有限公司 基于深度学习图像语义分割的工厂管理方法和***
CN111223255A (zh) * 2019-11-25 2020-06-02 创新奇智(上海)科技有限公司 智能升降机监控***及监控设备
CN111079731A (zh) * 2019-12-03 2020-04-28 中冶赛迪重庆信息技术有限公司 基于安全帽识别监控***的配置***、方法、设备及介质
CN112949354A (zh) * 2019-12-10 2021-06-11 顺丰科技有限公司 安全帽佩戴检测方法和装置、电子设备、计算机可读存储介质
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
CN111199200A (zh) * 2019-12-27 2020-05-26 深圳供电局有限公司 基于电力防护装备的佩戴检测方法、装置和计算机设备
CN111191581B (zh) * 2019-12-27 2024-04-12 深圳供电局有限公司 基于电力施工的安全帽检测方法、装置和计算机设备
CN111079699A (zh) * 2019-12-30 2020-04-28 北京每日优鲜电子商务有限公司 商品识别方法及装置
CN111161260A (zh) * 2020-01-02 2020-05-15 中冶赛迪重庆信息技术有限公司 一种基于深度学习的热轧带钢表面缺陷检测方法及装置
CN111401276B (zh) * 2020-03-20 2024-05-17 广东光速智能设备有限公司 一种安全帽佩戴识别方法及***
JP2021163260A (ja) * 2020-03-31 2021-10-11 株式会社小松製作所 検出システムおよび検出方法
CN111597985A (zh) * 2020-05-15 2020-08-28 全程(上海)智能科技有限公司 设备佩戴的动态识别方法、装置和电子设备
CN111623751B (zh) * 2020-05-31 2021-11-30 上海域唯医疗科技有限公司 护目镜倾斜状态鉴定***以及相应终端
CN111652128B (zh) * 2020-06-02 2023-09-01 浙江大华技术股份有限公司 一种高空电力作业安全监测方法、***和存储装置
CN111738106B (zh) * 2020-06-04 2023-09-19 东莞市度润光电科技有限公司 一种红外灯罩的检测方法、检测装置及存储介质
CN111768100A (zh) * 2020-06-30 2020-10-13 山东浪潮通软信息科技有限公司 智能员工管理***及方法
CN111931653B (zh) * 2020-08-11 2024-06-11 沈阳帝信人工智能产业研究院有限公司 安全监测方法、装置、电子设备和可读存储介质
CN112101288B (zh) * 2020-09-25 2024-02-13 北京百度网讯科技有限公司 安全帽佩戴检测方法、装置、设备及存储介质
CN112184773A (zh) * 2020-09-30 2021-01-05 华中科技大学 一种基于深度学习的安全帽佩戴检测方法及***
CN112329532A (zh) * 2020-09-30 2021-02-05 浙江汉德瑞智能科技有限公司 基于YOLOv4的自动跟踪安全帽监测方法
CN112329554B (zh) * 2020-10-19 2024-06-18 通辽第二发电有限责任公司 低分辨率图像安全帽识别方法和装置
CN112308073B (zh) * 2020-11-06 2023-08-25 中冶赛迪信息技术(重庆)有限公司 废钢火车装卸料转载状态识别方法、***、设备及介质
CN112911255B (zh) * 2020-11-10 2021-12-07 江苏国兴建设项目管理有限公司 建筑工地安全状态检测***
CN112487963A (zh) * 2020-11-27 2021-03-12 新疆爱华盈通信息技术有限公司 安全帽的佩戴检测方法及***
CN113408365B (zh) * 2021-05-26 2023-09-08 广东能源集团科学技术研究院有限公司 一种复杂场景下的安全帽识别方法及装置
CN113537296A (zh) * 2021-06-22 2021-10-22 广州云从鼎望科技有限公司 特征检测方法、装置及计算机存储介质
CN113469043A (zh) * 2021-06-30 2021-10-01 南方科技大学 安全帽佩戴状态检测方法、装置、计算机设备和存储介质
CN113516082A (zh) * 2021-07-19 2021-10-19 曙光信息产业(北京)有限公司 安全帽的检测方法、装置、计算机设备及存储介质
CN113487227B (zh) * 2021-07-27 2024-03-26 安徽云森物联网科技有限公司 一种基于智能安全帽的值班管理方法、***及存储介质
CN113553963A (zh) * 2021-07-27 2021-10-26 广联达科技股份有限公司 安全帽的检测方法、装置、电子设备及可读存储介质
CN113592014A (zh) * 2021-08-06 2021-11-02 广联达科技股份有限公司 安全帽的识别方法、装置、计算机设备和存储介质
CN113792665B (zh) * 2021-09-16 2023-08-08 山东大学 一种针对不同角色权限的违禁区域侵入检测方法
CN113838094B (zh) * 2021-09-28 2024-03-05 贵州乌江水电开发有限责任公司 一种基于智能视频识别的安全预警方法
CN113837138B (zh) * 2021-09-30 2023-08-29 重庆紫光华山智安科技有限公司 一种着装监控方法、***、介质及电子终端
CN113963436A (zh) * 2021-10-14 2022-01-21 山东大学 基于深度学习的安全帽识别增量学习与角色判定方法
CN115050125B (zh) * 2022-05-20 2023-08-29 劢微机器人科技(深圳)有限公司 基于2d相机的安全预警方法、装置、设备及存储介质
CN114882370A (zh) * 2022-07-07 2022-08-09 西安超嗨网络科技有限公司 商品智能识别方法、装置、终端及存储介质
CN115690673B (zh) * 2022-09-30 2023-06-06 广东康君环安技术股份有限公司 一种施工现场安全作业的安全帽监测方法及***
CN115985044B (zh) * 2022-11-21 2024-04-05 重庆市信息通信咨询设计院有限公司 基于安全帽佩戴状态的监测方法和***
CN116682162A (zh) * 2023-06-15 2023-09-01 中铁建大湾区建设有限公司 一种基于实时视频流的机器人人员检测算法
CN118279804A (zh) * 2024-05-29 2024-07-02 暗物智能科技(广州)有限公司 一种基于深度学习的安全帽佩戴检测方法及可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036575A (zh) * 2014-07-01 2014-09-10 江苏省南京市公路管理处公路科学研究所 施工现场安全帽佩戴情况监控方法
CN104504369A (zh) * 2014-12-12 2015-04-08 无锡北邮感知技术产业研究院有限公司 一种安全帽佩戴情况检测方法
CN106372662A (zh) * 2016-08-30 2017-02-01 腾讯科技（深圳）有限公司 安全帽佩戴的检测方法和装置、摄像头、服务器
CN107679524A (zh) * 2017-10-31 2018-02-09 天津天地伟业信息***集成有限公司 一种基于视频的安全帽佩戴情况的检测方法
CN108319926A (zh) * 2018-02-12 2018-07-24 安徽金禾软件股份有限公司 一种工地现场的安全帽佩戴检测***及检测方法
CN108921159A (zh) * 2018-07-26 2018-11-30 北京百度网讯科技有限公司 用于检测安全帽的佩戴情况的方法和装置
CN109034215A (zh) * 2018-07-09 2018-12-18 东北大学 一种基于深度卷积神经网络的安全帽佩戴检测方法
CN109670441A (zh) * 2018-12-14 2019-04-23 广东亿迅科技有限公司 一种实现安全帽穿戴识别的方法、***、终端以及计算机可读存储介质
CN109697430A (zh) * 2018-12-28 2019-04-30 成都思晗科技股份有限公司 基于图像识别的工作区域安全帽佩戴的检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107016373A (zh) * 2017-04-12 2017-08-04 广东工业大学 一种安全帽佩戴的检测方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036575A (zh) * 2014-07-01 2014-09-10 江苏省南京市公路管理处公路科学研究所 施工现场安全帽佩戴情况监控方法
CN104504369A (zh) * 2014-12-12 2015-04-08 无锡北邮感知技术产业研究院有限公司 一种安全帽佩戴情况检测方法
CN106372662A (zh) * 2016-08-30 2017-02-01 腾讯科技（深圳）有限公司 安全帽佩戴的检测方法和装置、摄像头、服务器
CN107679524A (zh) * 2017-10-31 2018-02-09 天津天地伟业信息***集成有限公司 一种基于视频的安全帽佩戴情况的检测方法
CN108319926A (zh) * 2018-02-12 2018-07-24 安徽金禾软件股份有限公司 一种工地现场的安全帽佩戴检测***及检测方法
CN109034215A (zh) * 2018-07-09 2018-12-18 东北大学 一种基于深度卷积神经网络的安全帽佩戴检测方法
CN108921159A (zh) * 2018-07-26 2018-11-30 北京百度网讯科技有限公司 用于检测安全帽的佩戴情况的方法和装置
CN109670441A (zh) * 2018-12-14 2019-04-23 广东亿迅科技有限公司 一种实现安全帽穿戴识别的方法、***、终端以及计算机可读存储介质
CN109697430A (zh) * 2018-12-28 2019-04-30 成都思晗科技股份有限公司 基于图像识别的工作区域安全帽佩戴的检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘云波等.施工现场安全帽佩戴情况监控技术研究.《电子科技》.2015,第28卷(第4期),第69-72页. *
王忠玉.智能视频监控下的安全帽佩戴检测***的设计与实现.《中国优秀硕士学位论文全文数据库 信息科技辑》.2018,(第（2018）10期),I136-461. *

Also Published As

Publication number Publication date
CN110188724A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
CN110188724B (zh) 基于深度学习的安全帽定位与颜色识别的方法及***
CN109117827B (zh) 基于视频的工服工帽穿戴状态自动识别方法与报警***
CN109670441B (zh) 一种实现安全帽穿戴识别的方法、***、终端以及计算机可读存储介质
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位***
Park et al. Construction worker detection in video frames for initializing vision trackers
CN101465033B (zh) 一种自动追踪识别***及方法
CN110309719A (zh) 一种电网作业人员安全帽佩戴管理控制方法和***
CN111507317B (zh) 一种基于视觉的旋转设备作业手套佩戴检测方法及***
CN106341661B (zh) 巡逻机器人
CN111898514A (zh) 一种基于目标检测与动作识别的多目标视觉监管方法
CN103942850A (zh) 基于视频分析和rfid技术的医护人员在岗监测方法
CN113223046B (zh) 一种监狱人员行为识别的方法和***
CN108376246A (zh) 一种多人脸识别及跟踪***及方法
CN112287823A (zh) 一种基于视频监控的面部口罩识别方法
CN113111771A (zh) 一种发电厂工作人员不安全行为的识别方法
CN114155557B (zh) 定位方法、装置、机器人及计算机可读存储介质
CN117789119A (zh) 一种违规行为监测方法、装置、设备及存储介质
CN112329621A (zh) 一种异常行为预警数据的处理方法、***、终端及介质
CN112560727A (zh) 一种基于人工智能的起重机越线安全预警方法和装置
CN116682162A (zh) 一种基于实时视频流的机器人人员检测算法
CN111723725A (zh) 一种基于视频ai多维分析***
CN116778673A (zh) 水域安全监控方法、***、终端及存储介质
CN111291728A (zh) 违规翻越传输带行为的检测***及检测设备、检测方法
CN112949606B (zh) 工服穿戴状态检测方法、装置、存储介质及电子装置
CN115953815A (zh) 基建现场的监测方法及装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 401329 No. 5-6, building 2, No. 66, Nongke Avenue, Baishiyi Town, Jiulongpo District, Chongqing

Applicant after: MCC CCID information technology (Chongqing) Co.,Ltd.

Address before: 401122 No. 11 Huijin Road, North New District of Chongqing

Applicant before: CISDI CHONGQING INFORMATION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant