一种基于颜色和轮廓特征提取的安全帽识别方法和系统与流程
本发明涉及智能电网监控领域，并且更具体地，涉及一种基于颜色和轮廓特征提取的安全帽识别方法和系统。
背景技术：
《国家电网公司电力安全工作规程(变电站和发电厂电气部分)》中规定：“任何人进入生产现场(办公室、控制室、值班室和检修班组室除外)，应戴安全帽。”安全帽佩戴检测是发电厂、变电站中人员安全检测中重要组成部分，它作为生产场所中最常使用的最便宜的个人防护工具，曾拯救过无数人的生命。由于长期以来，我国施工区作业人员普遍存在综合素质低、安全意识不强的问题，不能自觉主动的佩戴安全帽，导致安全生产事故仍频繁发生。如果可以通过监控视频直接对进入施工现场的人员的安全帽进行识别，那么就能及时的发现未戴安全帽或非法操作等现象的发生。通过利用现有的施工监控设备，采用视频识别的相关方法进行安全帽的自动识别，在降低监管费用的同时提升了监管信息化水平。
技术实现要素：
为了解决上述问题，本发明设计实现了一种基于颜色和轮廓特征提取的安全帽识别方法和系统。本发明首先提取安全帽的颜色特征，考虑作业人员到可能戴其他带颜色的帽子或者头巾等，故而提取形状特征，通过周长和直径来进一步判断是否佩戴安全帽。
根据本发明的一个方面，提供一种基于颜色和轮廓特征提取的安全帽识别方法，包括：
步骤1，用摄像头采集视频数据，并将其转换为彩色图像；
步骤2，对彩色图像进行分段线性色彩变换；
步骤3，将经过分段线性色彩变换后的图像投影到二维子空间，得到肤色聚类模型；
步骤4，利用人脸定位技术，确定图像中人脸位置，并扫描人脸上方的矩形区域；
步骤5，用颜色直方图统计矩形区域中每种颜色分量的像素数占图像总像素数的比例，最大比例值的对应的颜色值作为帽子区域的颜色值，若该颜色为黑色则没有佩戴安全帽，否则进行下一步；
步骤6，在所述矩形区域中提取安全帽的周长P，并设定周长阈值为Th；
步骤7，在所述矩形区域中提取安全帽的直径D，并设定直径阈值Th′；以及
步骤8，结合canny算子进行特征匹配，当矩形区域中颜色判定为不是黑色，且同时满足|P|≤Th和|D|≤Th′，则判定为进入作业区域的工作人员已佩戴安全帽，否则判定为未佩戴安全帽。
优选地，在进行彩色图像进行分段线性色彩变换之前，还包括对所述彩色图像进行颜色空间转换，将所述彩色图像从RGB空间转换为YCbCr颜色空间，其中Y为亮度分量、Cb为蓝色色度分量以及Cr为红色色度分量。
优选地，所述人脸定位技术为利用眼睛和嘴巴的映射，确定图像中人脸位置，包括：
步骤1，根据肤色聚类模型，计算图像中所有像素点的颜色与肤色的相似度，随后以每个像素点的相似度值作为灰度值，得到图像的相似度分布图，并二值化该分布图；
步骤2，计算眼睛的色度映射，所述色度映射的构造方法为
其中Cb和Cr的范围均为(0,255)，且与Cr互补；
步骤3，计算眼睛的亮度映射，所述亮度映射的构造方法为
其中Y(x，y)为亮度函数，为ga(x，y)半球结构函数；
步骤4，由眼睛的色度映射和亮度映射结合，分别确定两只眼睛的中心；
步骤5，计算嘴巴的映射，所述嘴巴的映射为
M0＝(Cr)2×θ[(Cr)2-Cr/Cb]2，
其中
步骤6，将两只眼睛的中心与嘴巴的中心进行或操作，得到人脸特征图，并连接各区域的中心点，得到一个等腰三角形，其中所述各区域为两只眼睛和嘴巴；
步骤7，将等腰三角形的重心作为椭圆人脸的圆点，并用椭圆将人脸标定出来，所述椭圆区域即为人脸区域。
优选地，所述安全帽的周长为
其中M为外轮廓线上链码为偶数的像素点个数，N为外轮廓线上链码为奇数的像素点个数。
优选地，所述安全帽的直径为D＝maxij[Dd(bi，bj)]，其中bi，bj均为安全帽轮廓内的点，Dd为两点之间任意一种距离度。
根据本发明的另一个方面，提供一种基于颜色和轮廓特征提取的安全帽识别系统，所述系统包括：
视频采集单元，用于采集进入施工区的作业人员的视频数据，并将其转换为彩色图像；
人脸定位单元，通过人脸定位技术，确定人脸的位置；
特征提取单元，用于颜色特征提取和形状特征提取；
第一识别单元，用于判断特征提取单元提取的人脸上方的矩形区域的颜色是否为黑色，若为黑色，则判断作业人员未佩戴安全帽；若不为黑色，则由第二识别单元进行进一步判断；以及
第二识别单元，利用canny算子进行人脸上方的矩形区域的特征匹配，当特征提取单元提取的形状特征满足该形状的周长和直径分别小于或等于周长的阈值和直径的阈值，则判断作业人员佩戴安全帽，否则，作业人员未佩戴安全帽。
优选地，所述系统还包括图像预处理单元，用于将所述彩色图像由RGB空间转换为YCbCr颜色空间，其中Y为亮度分量、Cb为蓝色色度分量以及Cr为红色色度分量。
优选地，所述人脸定位单元在进行人脸定位前，先对图像处理单元经过颜色空间转换后的图像进行分段线性色彩变换。
优选地，所述人脸定位单元将经过分段色线性彩变换后的图像投影到二维子空间，得到肤色聚类模型，并根据肤色聚类模型，计算图像中所有像素点的颜色与肤色的相似度，随后以每个像素点的相似度值作为灰度值，得到图像的相似度分布图，并二值化该分布图。
优选地，所述人脸定位单元通过计算眼睛的色度映射，通过计算眼睛的亮度映射，其中Cb和Cr的范围均为(0,255)，且与Cr互补，Y(x，y)为亮度函数，为ga(x，y)半球结构函数。
优选地，所述人脸定位单元将眼睛的色度映射和亮度映射结合，分别确定两只眼睛的中心。
优选地，所述人脸定位单元通过M0＝(Cr)2×θ[(Cr)2-Cr/Cb]2计算嘴巴的映射，其中
优选地，所述人脸定位单元将两只眼睛的中心与嘴巴的中心进行或操作，得到人脸特征图，并连接两只眼睛和嘴巴的中心点，得到一个等腰三角形，并将等腰三角形的重心作为椭圆人脸的圆点，并用椭圆将人脸标定出来，并利用特征提取单元扫描人脸上方的矩形区域。
优选地，所述特征提取单元用颜色直方图统计矩形区域中每种颜色分量的像素数占图像总像素数的比例，最大比例值的对应的颜色值作为帽子区域的颜色值。
优选地，所述特征提取单元在所述矩形区域中提取安全帽的周长，所述周长为其中M为外轮廓线上链码为偶数的像素点个数，N为外轮廓线上链码为奇数的像素点个数，所述特征提取单元在矩形区域中还提取安全帽的直径，所述直径为D＝maxij[Dd(bi，bj)]，其中bi，bj均为安全帽轮廓内的点，Dd为两点之间任意一种距离度。
本发明选取人脸识别来对工作区域内的作业人员进行定位，与其它较成熟的人体生物特征识别方法，如指纹、DNA检测等相比，人脸图像具有容易获取和隐蔽的特点，且考虑到人脸候选区域在某些情况下造成误检，佩戴安全帽时脸部肤色会有遮挡，使得人脸定位不准确，本发明采用肤色模型对人脸区域进行判定，再利用眼睛与嘴巴的三角形模板和人脸椭圆模板进行人脸匹配，提高人脸定位的准确率。
与此同时，本发明首先提取安全帽的颜色特征，且考虑到作业人员可能佩戴其他颜色的帽子或头巾等，本发明进一步提取安全帽的形状特征，通过周长和直径来进一步判断是否佩戴安全帽，利用本发明涉及的方法，可以实现对工作区域内的作业人员安全帽佩戴情况的自动识别检测，可辅助各级施工区安全监管单位进行施工区智能化监管，提高施工区安全监管信息化水平。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明优选实施例的基于颜色和轮廓特征提取的安全帽识别方法100的方法流程图；以及
图2为根据本发明优选实施例的基于颜色和轮廓特征提取的安全帽识别系统200的系统单元图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施例的基于颜色和轮廓特征提取的安全帽识别方法100的方法流程图。如图1所示，基于颜色和轮廓特征提取的安全帽识别方法100从步骤101开始。在步骤101中，利用事先布置在工作区域的摄像头采集进入工作区域的工作人员的影像，并将其转换为彩色图像。
优选地，在步骤102中，将所述彩色图像进行颜色空间转换，以从RGB空间转换为YCbCr颜色空间，其中Y为亮度分量、Cb为蓝色色度分量以及Cr为红色色度分量。
优选地，在步骤103中，对经过颜色空间转换后的图像进行分段线性色彩变换。
优选地，在步骤104中，将经过分段线性色彩变换后的图像投影到二维子空间，得到肤色聚类模型。其中在本发明中，所述肤色聚类模型可以为高斯模型。
优选地，根据肤色聚类模型，计算图像中所有像素点的颜色与肤色的相似度，随后以每个像素点的相似度值作为灰度值，得到图像的相似度分布图，并二值化该分布图。
优选地，在步骤106中，利用公式
计算眼睛的色度映射，其中Cb和Cr的范围均为(0,255)，且与Cr互补。
优选地，在步骤107中，利用公式
计算眼睛的亮度映射，应当了解的是，眼睛的亮度映射通过半球状结构元素膨胀和腐蚀灰度图像得到，其中Y(x，y)为亮度函数，为ga(x，y)半球结构函数。
优选地，计算出眼睛的亮度映射以及色度映射之后，进行步骤108，将眼睛的亮度映射以及色度映射相结合，分别确定图像内工作人员的两只眼睛的中心。
优选地，进一步计算图像内工作人员嘴巴的映射，在步骤109中，通过公式
M0＝(Cr)2×θ[(Cr)2-Cr/Cb]2
来计算嘴巴的映射，其中
优选地，通过对步骤108和步骤109计算出的两只眼睛的中心以及嘴巴的中心进行或操作，可以得到人脸特征图，并连接两只眼睛以及嘴巴的中心，得到一个等腰三角形。
优选地，利用步骤110中得出的等腰三角形，将所述等腰三角形的重心作为椭圆人脸的圆点，并标出椭圆人脸，之后扫描人脸上方的矩形区域。应当了解的是，所述矩形区域对应为作业人员佩戴安全帽的位置；此外需要说明的是，步骤106至步骤109对眼睛和嘴巴进行相应计算，是为了在步骤110中得到人脸特征图和上述“等腰三角形”，因此，本发明对眼睛和和嘴巴的计算先后顺序不做限定，其他实施例中可以将步骤106和步骤107的步骤互换，也可以将步骤109放在步骤106的之前。
优选地，在步骤112中，用颜色直方图统计矩形区域中每种颜色分量的像素数占图像总像素数的比例，最大比例值的对应的颜色值作为帽子区域的颜色值。
优选地，在步骤113中，进行矩形区域颜色的判定，若所述区域的颜色为黑色，则判定进入工作区域的作业人员未佩戴安全帽，并结束方法；若所属区域的颜色不为黑色，则进行下一步。
优选地，在所述矩形区域的颜色不为黑色时，进行步骤114。在步骤114中，分别提取矩形区域中安全帽的周长和直径，其中所述周长为其中M为外轮廓线上链码为偶数的像素点个数，N为外轮廓线上链码为奇数的像素点个数，并且设定周长阈值Th；所述直径为D＝maxij[Dd(bi，bj)]，其中bi，bj均为安全帽轮廓内的点，Dd为两点之间任意一种距离度，并且设定直径阈值Th′。
优选地，在步骤115中，根据形状特征进行作业人员是否佩戴安全帽的进一步判断，结合canny算子进行特征匹配，当矩形区域中颜色判定为不是黑色，且安全帽的周长和直径的绝对值分别小于等于周长阈值和直径阈值，则判定为已佩戴安全帽，否则判定为未佩戴安全帽。
图2为根据本发明优选实施例的基于颜色和轮廓特征提取的安全帽识别系统200的系统单元图。如图2所示，基于颜色和轮廓特征提取的安全帽识别系统200由视频采集单元201、人脸定位单元202、特征提取单元203、第一识别单元204以及第二识别单元205组成，优选地，所述系统200还包括图像预处理单元206。其中视频采集单元201用于采集进入施工区的作业人员的视频数据，并将其转换为彩色图像；人脸定位单元202将经过图像预处理单元206处理过后的图像进行人脸定位，以确定人脸的位置，特征提取单元203进一步提取颜色特征和形状特征，第一识别单元单元204判断特征提取单元203提取的区域颜色是否为黑色，若为黑色，则直接判断进入作业区域的工作人员未佩戴安全帽，若颜色不为黑色，则第二识别单元205结合canny算子进行人脸上方的矩形区域的特征匹配，当特征提取单元提取的形状特征满足该形状的周长和直径分别小于或等于周长的阈值和直径的阈值，则判断作业人员佩戴安全帽，否则，作业人员未佩戴安全帽。
优选地，所述图像预处理单元206用于将所述彩色图像由RGB空间转换为YCbCr颜色空间，其中Y为亮度分量、Cb为蓝色色度分量以及Cr为红色色度分量。
优选地，所述人脸定位单元202在进行肤色检测前，先对图像处理单元经过颜色空间转换后的图像进行分段线性色彩变换。
优选地，所述人脸定位单元202将经过分段色线性彩变换后的图像投影到二维子空间，得到肤色聚类模型，并根据肤色聚类模型，计算图像中所有像素点的颜色与肤色的相似度，随后以每个像素点的相似度值作为灰度值，得到图像的相似度分布图，并二值化该分布图。其中，所述肤色聚类模型在本发明中为高斯模型。
优选地，所述人脸定位单元202通过计算眼睛的色度映射，通过计算眼睛的亮度映射，其中Cb和Cr的范围均为(0,255)，且与Cr互补，Y(x，y)为亮度函数，为ga(x，y)半球结构函数。
优选地，所述人脸定位单元202将眼睛的色度映射和亮度映射结合，分别确定两只眼睛的中心。
优选地，所述人脸定位单元202通过M0＝(Cr)2×θ[(Cr)2-Cr/Cb]2计算嘴巴的映射，其中
优选地，所述人脸定位单元202将两只眼睛的中心与嘴巴的中心进行或操作，得到人脸特征图，并连接两只眼睛和嘴巴的中心点，得到一个等腰三角形，并将等腰三角形的重心作为椭圆人脸的圆点，并用椭圆将人脸标定出来，并扫描人脸上方的矩形区域。
优选地，所述特征提取单元203用颜色直方图统计矩形区域中每种颜色分量的像素数占图像总像素数的比例，最大比例值的对应的颜色值作为帽子区域的颜色值。
优选地，所述特征提取单元203在所述矩形区域中提取安全帽的周长，所述周长为其中M为外轮廓线上链码为偶数的像素点个数，N为外轮廓线上链码为奇数的像素点个数，与此同时，特征提取单元203还在所述矩形区域中提取安全帽的直径，所述直径为D＝maxij[Dd(bi，bj)]，其中bi，bj均为安全帽轮廓内的点，Dd为两点之间任意一种距离度。
应当了解的是，已经利用本发明的方法进行实际测试，分别选取已佩戴安全帽和未佩戴安全帽的500个测试样本，且测试结果为500个样本的正确识别数分别为498和499，平均识别准确率高达99.7％。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
- 还没有人留言评论。精彩留言会获得点赞！