工地现场的安全帽佩戴检测方法、装置、设备和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115457636A(43)申请公布日2022.12.09(21)申请号202211151908.3(22)申请日2022.09.21(71)申请人华侨大学地址362000福建省泉州市城华北路269号(72)发明人陈雁王瑞杜吉祥翟传敏(74)专利代理机构厦门智慧呈睿知识产权代理事务所(普通合伙)35222专利代理师林贤德(51)Int.Cl.G06V40/16(2022.01)G06V40/10(2022.01)G06V20/52(2022.01)G06N3/08(2006.01)G06N3/04(2006.01)G06V10/82(2022.01)权利要求书4页说明书14页附图6页(54)发明名称工地现场的安全帽佩戴检测方法、装置、设备和存储介质(57)摘要本发明实施例提供一种工地现场的安全帽佩戴检测方法、装置、设备和存储介质，涉及视频识别技术领域。安全帽佩戴检测方法包含步骤S1至步骤S6。S1、获取工人的当日外观信息，并和数据库中已有的外观信息组成施工人员查询数据集。其中，当日外观信息包括的面部信息和服饰信息，S2、获取包含工人的监控视频。S3、将监控视频输入预先训练好的安全帽检测模型，获取多组预测向量。S4、根据多组预测向量，判断监控视频中的工人是否佩戴安全帽。S5、当判断到监控视频中的工人未佩戴安全帽时，将监控视频输入预先训练好的施工人员识别模型，获取未佩戴安全帽的工人的特征向量。S6、根据工人的特征向量和施工人员查询数据集，获取未佩戴安全帽的工人信息。CN115457636ACN115457636A权利要求书1/4页1.一种工地现场的安全帽佩戴检测方法，其特征在于，包含：获取工人的当日外观信息，并和数据库中已有的外观信息组成施工人员查询数据集；其中，所述当日外观信息包括的面部信息和服饰信息，获取包含工人的监控视频；将所述监控视频输入预先训练好的安全帽检测模型，获取多组预测向量；根据所述多组预测向量，判断所述监控视频中的工人是否佩戴安全帽；当判断到监控视频中的工人未佩戴安全帽时，将所述监控视频输入预先训练好的施工人员识别模型，获取未佩戴安全帽的工人的特征向量；根据所述工人的特征向量和所述施工人员查询数据集，获取未佩戴安全帽的工人信息；安全帽检测模型包括第一特征提取网络、特征金字塔网络和第一预测网络；所述第一特征提取网络，用于通过分割模块根据输入的监控视频获取32×320×320的第一输入向量；通过第一卷积模块和第一连接模块根据所述第一输入向量获取128×80×80的第一层输出向量；通过第二卷积模块和第二连接模块根据所述第一层输出向量获取256×40×40的第二层输出向量；通过第三卷积模块和第三连接模块根据所述第二层输出向量获取512×20×20的第三层输出向量；所述特征金字塔网络，用于通过第四卷积模块和第七连接模块根据所述第三层输出向量获取大小为512×20×20的第六层输出向量；通过第四卷积模块和第一采样模块根据所述第三层输出向量获取大小为256×40×40的第一中间向量，将所述第一中间向量和所述第二层输出向量进行通道维度的向量拼接，拼接后的向量通过第四连接模块、第五卷积模块和第六连接模块获取大小为256×40×40的第五层输出向量；通过第四连接模块、第五卷积模块和第二采样模块根据所述第一中间向量获取大小为128×80×80的第二中间向量，将所述第二中间向量和所述第一层输出向量进行特征图拼接，拼接后的向量通过第五连接模块获取大小为128×80×80的第四层输出向量；所述第一预测网络，用于通过第一卷积分支根据所述第四层输出向量获取大小为24×80×80的第一预测向量；通过第二卷积分支根据所述第五层输出向量获取大小为24×40×40的第二预测向量；通过第三卷积分支根据所述第六层输出向量获取大小为24×20×20的第三预测向量；施工人员识别模型包括第二特征提取网络、特征聚合网络和第二预测网络；所述第二特征提取网络，用于通过第一卷积层根据输入的监控视频获取大小为3×128×64的第一输出向量；通过第一池化层根据所述第一输出向量获取大小为3×64×32的第二输出向量；通过第八卷积模块根据所述第二输出向量获取大小为3×32×16的第三输出向量；通过第九卷积模块根据所述第三输出向量获取大小为3×16×8的第四输出向量；通过过第十卷积模块根据所述第四输出向量获取大小为3×16×8的第五输出向量；所述特征聚合网络，用于通过第一全局平均池化层根据所述第五输出向量获取大小为1×16×1的局部特征向量；通过第二卷积层根据所述第五输出向量获取大小为12×16×8的第三中间向量，然后通过第二全局平均池化层根据所述第三中间向量获取大小为12×1×1的全局特征向量；通过局部损失层将所述