一种安全帽佩戴识别方法与系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115439697A(43)申请公布日2022.12.06(21)申请号202211152690.3G06N3/04(2006.01)(22)申请日2022.09.21G06N3/08(2006.01)(71)申请人广州大学地址510006广东省广州市大学城外环西路230号(72)发明人刘长红谢宁(74)专利代理机构北京高航知识产权代理有限公司11530专利代理师覃钊雄(51)Int.Cl.G06V10/764(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06V20/52(2022.01)G06V20/40(2022.01)权利要求书2页说明书6页附图5页(54)发明名称一种安全帽佩戴识别方法与系统(57)摘要本发明公开了一种安全帽佩戴识别方法及系统，本发明首先通过摄像头采集人脸图像，由终端设备采集图像数据，先将数据集传入设计好的改进的YOLOv4网络模型进行训练，再将终端获取的图像数据传入训练好的网络模型进行分类，经过网络模型对图像目标的判断，进而对佩戴安全帽的目标和未佩戴安全帽的目标进行识别区分，系统最终根据目标识别的结果然后控制语音模块以及电机模块，系统的检测结果可以实时显示在与终端连接的监视器中，本发明将快速精准的改进版YOLOv4网络运用到安全帽的目标识别中，可以对进入施工场所的工作人员安全帽佩戴情况进行快速准确的检测识别，通过本发明，可以给施工场所工作人员的生命安全提供更有力的保障。CN115439697ACN115439697A权利要求书1/2页1.一种安全帽佩戴识别方法，其特征在于，包括：S1：获取安全帽的图像数据集，搭建好改进版YOLOv4网络模型，进行网络训练；S2：通过图像采集模块采集相应的RGB视频图像；S3：将RGB视频图像数据传输至终端；S4：通过终端加载的改进版YOLOv4神经网络对RGB视频图像数据进行检测识别；S5：通过终端和控制模块获取检测识别结果，并存储检测识别结果；S6：根据终端的检测结果，通过控制模块对语音模块和闸门电机进行相应的控制。2.根据权利要求1所述的一种安全帽佩戴识别方法，其特征在于，所述S1具体包括：S2001：准备安全帽检测的相关图像数据集，数据集包括佩戴了安全帽的人员的人脸图像和未佩戴安全帽的人员的人脸图像；S2002：对YOLOv4网络模型进行改进，结合MobileNet和DepthwiseConvolution对YOLOv4网络模型进行优化；S2003：设置网络训练参数，将准备好的图像数据集拆分为训练数据和测试数据，将训练数据输入到改进版YOLOv4网络模型进行训练，最终得到训练权重文件。3.根据权利要求1所述的一种安全帽佩戴识别方法，其特征在于，所述S2具体包括：S3001：接收所述安全帽佩戴识别请求，通过摄像头采集图像的方式，以一定的初始帧率拍摄，获取人员的视频监控信息；S3002：根据摄像头拍摄区域的RGB视频图像反馈信息，判断摄像头是否存在拍摄盲区；S3003：如果摄像头的拍摄区域存在检测盲区，则对摄像头的角度以及位置进行重新调整及安装，进而获取更多有效的检测视频帧。4.根据权利要求1所述的一种安全帽佩戴识别方法，其特征在于，所述S3具体包括：通过USB数据线使摄像头与终端设备实现数据互通。5.根据权利要求1所述的一种安全帽佩戴识别方法，其特征在于，所述S4具体包括：摄像头获取待检测视频区域，将拍摄的每帧图像传改进版YOLOv4网络模型，进而检测出RGB视频图像中佩戴了安全帽的目标或者未佩戴安全帽的目标。6.根据权利要求2所述的一种安全帽佩戴识别方法，其特征在于，所述S2002具体包括：将MobileNetv3作为backbone替换YOLOv4网络模型的backbone,所述YOLOv4网络模型的backbone为CSPDarknet53，所述改进版YOLOv4网络模型包括主干特征提取网络MobileNetv3，加强特征提取网络SPP和PANet以及预测网络YoloHead，所述视频图像数据首先进入主干特征提取网络MobileNetv3然后经过bneck结构进行初步的特征提取，获得三个初步的有效特征层，然后再由SPP和PANet进行加强特征提取，并对三个初步的有效特征层进行特征融合，最后由YoloHead预测网络获得预测结果。7.根据权利要求1所述的一种安全帽佩戴识别方法，其特征在于，所述S5具体包括：S7001：所述终端与控制模块连接，终端对RGB视频图像的检测结果进行存储，并发送至控制模块进行相应的功能实现；S7002：在所述安全帽佩戴检测结果为检测目标没有佩戴安全帽时，终端会自动将所述没有佩戴安全帽的目标的人脸图像以及身份信息进行记录。8.