基于光流法的安全帽佩戴状态识别方法及系统与流程

本发明涉及视频监控领域，特别是涉及一种基于光流法的安全帽佩戴状态识别方法及系统。

背景技术：

名词解释：

光流法：基于像素点定义的，所有光流的集合称为光流场。通过光流场分析可以得到物体相对观察者的运动场。在这个过程中分析的算法成为光流法。

hsv(hue,saturation,value)模型：根据颜色的直观特性由a.r.smith在1978年创建的一种颜色空间,也称六角锥体模型(hexconemodel)，模型中参数分别为色调(h)、饱和度(s)、亮度(v)。

在施工现场中，现场工作人员的安全问题，一直备受人们关注，所以检查人员是否佩戴安全帽是非常重要的要求，直接关系到现场工作人员的人身安全。现有的人员安全帽识别方法较少且存在缺陷性，有只适应于直立的人体，或者脸部不被遮挡的方法，其它情况需要人为观察识别才能获得安全帽佩戴状态，无法满足我们日常的需求。

技术实现要素：

为了解决上述的技术问题，本发明的目的是提供基于光流法的安全帽佩戴状态识别方法，本发明的目的是提供基于光流法的安全帽佩戴状态识别系统。

本发明解决其技术问题所采用的技术方案是：

基于光流法的安全帽佩戴状态识别方法，包括步骤：

s1、实时获取施工现场的监控视频，并获取用户预设的提取框；

s2、根据预设的提取框，实时提取监控视频的图像帧后，采用光流法基于差分计算进行运动人体目标提取；

s3、对提取获得的运动人体目标进行头肩检测，提取获得每帧图像中的头肩图像；

s4、对提取的头肩图像进行hsv颜色空间转化后，识别获得对应的安全帽佩戴状态。

进一步，所述步骤s2，包括：

s21、根据预设的提取框，实时依次提取监控视频的图像帧，获得视频图像序列；

s22、基于中值滤波法从视频图像序列中提取获得背景图像序列；

s23、将视频图像序列与背景图像序列进行差分，获得各差分图像；

s24、对差分图像进行二值化后，提取获得运动人体目标。

进一步，所述步骤s24，其具体为：

s24、将差分图像序列的每个像素值与预设阈值t进行比对，当像素值大于预设阈值t时，将其二值化为1，并判定该点为运动人体目标的点，反之将其二值化为0，并判定该点为背景图像点，最后提取获得运动人体目标。

进一步，所述步骤s3，包括：

s31、对差分图像的二值化图像进行投影后获得对应的垂直投影直方图；

s32、将垂直投影直方图的最接近行坐标末端的局部最大值作为头部宽度，进而将头部宽度的n倍作为头肩高度，其中n的取值范围为2.5～3；

s33、根据获得的头肩高度对每帧图像进行截取获得头肩图像。

进一步，所述步骤s4，包括：

s41、对提取的头肩图像进行hsv颜色空间转化，获得其h、s、v参数值；

s42、根据转换获得的hsv颜色空间的h、s、v参数值的分布情况，结合预设的安全帽颜色，识别获得对应的安全帽佩戴状态。

进一步，所述步骤s42，其具体为：

根据转换获得的hsv颜色空间的h、s、v参数值的分布情况，分析获得该头肩图像中头部位置的颜色是否落入预设的安全帽颜色范围内，若是，则表示佩戴对应颜色的安全帽，反之，表示未佩戴安全帽。

本发明解决其技术问题所采用的另一技术方案是：

基于光流法的安全帽佩戴状态识别系统，包括：

视频获取模块，用于实时获取施工现场的监控视频，并获取用户预设的提取框；

提取模块，用于根据预设的提取框，实时提取监控视频的图像帧后，采用光流法基于差分计算进行运动人体目标提取；

头肩检测模块，用于对提取获得的运动人体目标进行头肩检测，提取获得每帧图像中的头肩图像；

识别模块，用于对提取的头肩图像进行hsv颜色空间转化后，识别获得对应的安全帽佩戴状态。

进一步，所述提取模块，包括：

第一提取子模块，用于根据预设的提取框，实时依次提取监控视频的图像帧，获得视频图像序列；

第二提取子模块，用于基于中值滤波法从视频图像序列中提取获得背景图像序列；

第三提取子模块，用于将视频图像序列与背景图像序列进行差分，获得各差分图像；

第四提取子模块，用于对差分图像进行二值化后，提取获得运动人体目标。

进一步，所述头肩检测模块，包括：

第一检测子模块，用于对差分图像的二值化图像进行投影后获得对应的垂直投影直方图；

第二检测子模块，用于将垂直投影直方图的最接近行坐标末端的局部最大值作为头部宽度，进而将头部宽度的n倍作为头肩高度，其中n的取值范围为2.5～3；

第三检测子模块，用于根据获得的头肩高度对每帧图像进行截取获得头肩图像。

进一步，所述识别模块，包括：

第一识别子模块，用于对提取的头肩图像进行hsv颜色空间转化，获得其h、s、v参数值；

第二识别子模块，用于根据转换获得的hsv颜色空间的h、s、v参数值的分布情况，结合预设的安全帽颜色，识别获得对应的安全帽佩戴状态。

本发明的有益效果是：基于光流法的安全帽佩戴状态识别方法，包括步骤：s1、实时获取施工现场的监控视频，并获取用户预设的提取框；s2、根据预设的提取框，实时提取监控视频的图像帧后，采用光流法基于差分计算进行运动人体目标提取；s3、对提取获得的运动人体目标进行头肩检测，提取获得每帧图像中的头肩图像；s4、对提取的头肩图像进行hsv颜色空间转化后，识别获得对应的安全帽佩戴状态。本方法不受人体姿态影响，识别准确率和效率高，而且可以很好的规避室外光照带来的影响，具有较强的鲁棒性。

本发明的另一有益效果是：本发明的基于光流法的安全帽佩戴状态识别系统，包括：视频获取模块，用于实时获取施工现场的监控视频，并获取用户预设的提取框；提取模块，用于根据预设的提取框，实时提取监控视频的图像帧后，采用光流法基于差分计算进行运动人体目标提取；头肩检测模块，用于对提取获得的运动人体目标进行头肩检测，提取获得每帧图像中的头肩图像；识别模块，用于对提取的头肩图像进行hsv颜色空间转化后，识别获得对应的安全帽佩戴状态。本系统不受人体姿态影响，识别准确率和效率高，而且可以很好的规避室外光照带来的影响，具有较强的鲁棒性。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明的基于光流法的安全帽佩戴状态识别方法的流程图；

图2是本发明的具体实施例中头肩图像的垂直投影直方图；

图3是本发明的具体实施例中识别获得对应的安全帽佩戴状态的具体流程图。

具体实施方式

参照图1，本发明提供了一种基于光流法的安全帽佩戴状态识别方法，包括步骤：

s1、实时获取施工现场的监控视频，并获取用户预设的提取框；

s2、根据预设的提取框，实时提取监控视频的图像帧后，采用光流法基于差分计算进行运动人体目标提取；

s3、对提取获得的运动人体目标进行头肩检测，提取获得每帧图像中的头肩图像；

s4、对提取的头肩图像进行hsv颜色空间转化后，识别获得对应的安全帽佩戴状态。

进一步作为优选的实施方式，所述步骤s2，包括：

s21、根据预设的提取框，实时依次提取监控视频的图像帧，获得视频图像序列；

s22、基于中值滤波法从视频图像序列中提取获得背景图像序列；

s23、将视频图像序列与背景图像序列进行差分，获得各差分图像；

s24、对差分图像进行二值化后，提取获得运动人体目标。

进一步作为优选的实施方式，所述步骤s24，其具体为：

s24、将差分图像序列的每个像素值与预设阈值t进行比对，当像素值大于预设阈值t时，将其二值化为1，并判定该点为运动人体目标的点，反之将其二值化为0，并判定该点为背景图像点，最后提取获得运动人体目标。

进一步作为优选的实施方式，所述步骤s3，包括：

s31、对差分图像的二值化图像进行投影后获得对应的垂直投影直方图；

s32、将垂直投影直方图的最接近行坐标末端的局部最大值作为头部宽度，进而将头部宽度的n倍作为头肩高度，其中n的取值范围为2.5～3；

s33、根据获得的头肩高度对每帧图像进行截取获得头肩图像。

进一步作为优选的实施方式，所述步骤s4，包括：

s41、对提取的头肩图像进行hsv颜色空间转化，获得其h、s、v参数值；

s42、根据转换获得的hsv颜色空间的h、s、v参数值的分布情况，结合预设的安全帽颜色，识别获得对应的安全帽佩戴状态。

进一步作为优选的实施方式，所述步骤s42，其具体为：

根据转换获得的hsv颜色空间的h、s、v参数值的分布情况，分析获得该头肩图像中头部位置的颜色是否落入预设的安全帽颜色范围内，若是，则表示佩戴对应颜色的安全帽，反之，表示未佩戴安全帽。

参照图2，本发明还提供了基于光流法的安全帽佩戴状态识别系统，包括：

视频获取模块，用于实时获取施工现场的监控视频，并获取用户预设的提取框；

提取模块，用于根据预设的提取框，实时提取监控视频的图像帧后，采用光流法基于差分计算进行运动人体目标提取；

头肩检测模块，用于对提取获得的运动人体目标进行头肩检测，提取获得每帧图像中的头肩图像；

识别模块，用于对提取的头肩图像进行hsv颜色空间转化后，识别获得对应的安全帽佩戴状态。

进一步作为优选的实施方式，所述提取模块，包括：

第一提取子模块，用于根据预设的提取框，实时依次提取监控视频的图像帧，获得视频图像序列；

第二提取子模块，用于基于中值滤波法从视频图像序列中提取获得背景图像序列；

第三提取子模块，用于将视频图像序列与背景图像序列进行差分，获得各差分图像；

第四提取子模块，用于对差分图像进行二值化后，提取获得运动人体目标。

进一步作为优选的实施方式，所述头肩检测模块，包括：

第一检测子模块，用于对差分图像的二值化图像进行投影后获得对应的垂直投影直方图；

第二检测子模块，用于将垂直投影直方图的最接近行坐标末端的局部最大值作为头部宽度，进而将头部宽度的n倍作为头肩高度，其中n的取值范围为2.5～3；

第三检测子模块，用于根据获得的头肩高度对每帧图像进行截取获得头肩图像。

进一步作为优选的实施方式，所述识别模块，包括：

第一识别子模块，用于对提取的头肩图像进行hsv颜色空间转化，获得其h、s、v参数值；

第二识别子模块，用于根据转换获得的hsv颜色空间的h、s、v参数值的分布情况，结合预设的安全帽颜色，识别获得对应的安全帽佩戴状态。

以下结合详细实施例对本发明做具体说明。

参照图1，一种基于光流法的安全帽佩戴状态识别方法，包括步骤：

s1、实时获取施工现场的监控视频，并获取用户预设的提取框；在工作人员进去工作区域的必经通道处设定监控摄像机，进行实时监控，并预设与人体适应的监视框。

s2、根据预设的提取框，实时提取监控视频的图像帧后，采用光流法基于差分计算进行运动人体目标提取；包括步骤s21～s24：

s21、根据预设的提取框，实时依次提取监控视频的图像帧，获得视频图像序列ik(x,y)(k＝1,2,…,n,)；

s22、基于中值滤波法从视频图像序列中提取获得背景图像序列bk(x,y)：bk(x,y)＝med{ik(x,y)}；med表示中值滤波计算。

s23、将视频图像序列与背景图像序列进行差分，获得各差分图像dk(x,y)：dk(x,y)＝|ik(x,y)-bk(x,y)|；

s24、对每个差分图像dk(x,y)进行二值化后，提取获得运动人体目标，具体为：将差分图像序列的每个像素值与预设阈值t进行比对，当像素值大于预设阈值t时，将其二值化为1，并判定该点为运动人体目标的点，反之将其二值化为0，并判定该点为背景图像点，最后提取获得运动人体目标。

二值化计算结果如下：

上式中，bk(x,y)表示二值化值。

s3、对提取获得的运动人体目标进行头肩检测，提取获得每帧图像中的头肩图像，包括步骤s31～s33：

s31、对差分图像的二值化图像进行投影后获得对应的垂直投影直方图；

s32、将垂直投影直方图的最接近行坐标末端的局部最大值作为头部宽度，进而将头部宽度的n倍作为头肩高度，其中n的取值范围为2.5～3；

s33、根据获得的头肩高度对每帧图像进行截取获得头肩图像。

本实施例中，通过分析差分图像的二值化图像中各高度上像素点的形状。垂直投影直方图能够较为精准地反应人体的形状，本实施例投影获得的垂直投影直方图如图2所示，图2中横坐标的行坐标表示二值化图像中像素行的坐标，纵坐标表示该行中所有列的值为1的像素点的个数n。图2的e点为波谷，在靠近头顶位置a处都有一个局部的最大值点d，此最大值即为人体的头宽，按照人体学常识，人体头肩高度一般为头宽的2.5～3倍，所以可以局部值最大值的2.5倍作为头肩模型的高度，c点为2.5倍d的一个交点，即肩部位置，b为c点在a所在水平线上的投影点，因此本实施例获取a点到b点的距离h作为头肩模型的高度。只要头肩部分不被遮挡，对于完整的人体和上半部分的人体来说，使用人体垂直投影直方图能够较好的实现人体的识别和头肩模型的提取。

s4、对提取的头肩图像进行hsv颜色空间转化后，识别获得对应的安全帽佩戴状态，包括步骤s41和s42：

s41、对提取的头肩图像进行hsv颜色空间转化，获得其h、s、v参数值，转换过程如下：

假如(r，g，b)分别是颜色空间的红、绿和蓝坐标，他们的值是在0到1之间的实数。针对每个像素点的rgb值(r，g，b)，设max等价于r，g，b中最大的值，设min等价于r，g，b中最小值。计算该像素点在hsv中的(h，s，v)三个参数值，其中h∈[0,360]，s,v∈[0,1]，计算公式为：

v＝max。

s42、根据转换获得的hsv颜色空间的h、s、v参数值的分布情况，结合预设的安全帽颜色，识别获得对应的安全帽佩戴状态，具体为：根据转换获得的hsv颜色空间的h、s、v参数值的分布情况，分析获得该头肩图像中头部位置的颜色是否落入预设的安全帽颜色范围内，若是，则表示佩戴对应颜色的安全帽，反之，表示未佩戴安全帽。具体判断过程如图3所示，首先判断头肩图像中，s＝0的像素点的概率是否大于0.5，若是，判断v＝2和3的像素点的概率是否大于0.5，若满足，则表示佩戴白色安全帽。反之，s＝0的像素点的概率小于0.5，四种情况：1、h＝0的像素点的概率大于0.5，则表示佩戴红色安全帽；2、h＝2的像素点的概率大于0.5，则表示佩戴橙色安全帽；3、h＝3的像素点的概率大于0.5，则表示佩戴黄色安全帽；4、h＝9的像素点的概率大于0.5，则表示佩戴蓝色安全帽。

因此，本方法提取获得头肩图像后，可以根据安全帽的颜色范围，来判断获得头肩图像中运动人体目标所佩戴的安全帽颜色，识别获得安全帽的佩戴状态。本发明基于光流法对运动人体进行安全帽佩戴状态识别，不受人体姿态影响，实现了对施工现场或其他需要佩戴安全帽进入的区域进行了精准的监视，提高了安全帽佩戴状态的识别准确率和效率，而且本方法可以很好的规避室外光照带来的影响，具有较强的鲁棒性。

基于光流法的安全帽佩戴状态识别系统是与本方法一一对应的，这里不再赘述。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。