一种基于机器视觉的安全帽佩戴人工智能检测方法与流程

本发明是一种基于机器视觉的安全帽佩戴人工智能检测方法，属于软件使用方法领域。
背景技术：
：在施工现场，安全帽作为一种最常见和实用的个人防护用具，能够有效地防止和减轻外来危险源对头部的伤害。然而，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，尤其缺乏基础防护设施(如安全帽)的佩戴意识，大大增加了作业风险。传统的人工监管存在如下缺点：一、人力成本增加；二、人工长时间监控易疲劳，致使监控的疏忽、遗漏或者误判安全隐患；三、人工监控和人员情绪、状态、工作经验、性格和生活条件的影响，安全判别带有强烈的主观意识，缺乏客观性。因此，人工检查存在监管费用高、主观干扰大、不能全程监控等一系列问题。国内外现有的安全帽自动识别技术，大致有以下几种主要方式：基于小波变换和bp神经网络的安全帽识别，提出了安全帽识别神经网络模型；基于肤色检测的方法进行人脸定位，再利用支持向量机(svm)模型实现安全帽的识别；基于像素点色度值分布情况的安全帽识别，通过检测运动目标1/3部分中的色度值分布情况，判断是否佩戴安全帽及识别安全帽的颜色。经全面查询分析，这些方法在特定场景下均可实现对安全帽的精确识别，但也存在对环境要求高、识别率波动大、易受环境干扰等一系列问题。技术实现要素：针对现有技术存在的不足，本发明目的是提供一种基于机器视觉的安全帽佩戴人工智能检测方法，以解决上述
背景技术：
中提出的问题。为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于机器视觉的安全帽佩戴人工智能检测方法，包括以下步骤：图像信息获取，为项目收集图像，从施工现场进行拍摄，或创建一个施工现场的视频，并使用opencv从视频中提取图像；信息加工和预处理，在对安全帽图像识别之前,要进行图像的预处理；分类及特征抽取，特征提取分为人体判别和安全帽跟踪两部分内容；识别，在人体判别的基础上，通过对安全帽位置的估测和安全帽像素统计，实现安全帽的检测识别，同时需要进行神经网络的构建与训练。进一步地，在信息加工和预处理中，由于施工人员和路人有明显的特征，经过样本训练和学习，能够将人物进行分类，主要分为施工人员和路人。进一步地，具体的步骤为：首先多传感器获取作业人员图像，然后利用肤色定位人脸，然后判断是否有新人脸，若否，则重新开始，若是则判断头部是否有安全帽颜色，若是则获取安全帽颜色，或否，则判断此人未佩戴安全帽，在获取安全帽颜色后，通过统计安全帽颜色阈值内的点数，然后计算安全帽颜色点数所占比例，判断是否超过一定比例，若超过则从新利用肤色定位人脸，若否，则判断此人未佩戴安全帽。本发明的有益效果：本发明的一种基于机器视觉的安全帽佩戴人工智能检测方法，具备较高的环境适应性和检测准确率，可以实现对施工区作业人员安全帽佩戴情况的自动识别检测(包括各种天气状况以及复杂场地)，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。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：图1为本发明一种大数据防伪溯源管理软件使用方法的步骤图；具体实施方式为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。本发明提供一种技术方案：一种基于机器视觉的安全帽佩戴人工智能检测方法，包括以下步骤：图像信息获取，为项目收集图像，从施工现场进行拍摄，或创建一个施工现场的视频，并使用opencv从视频中提取图像；信息加工和预处理，在对安全帽图像识别之前,要进行图像的预处理；分类及特征抽取，特征提取分为人体判别和安全帽跟踪两部分内容；识别，在人体判别的基础上，通过对安全帽位置的估测和安全帽像素统计，实现安全帽的检测识别，同时需要进行神经网络的构建与训练。在信息加工和预处理中，由于施工人员和路人有明显的特征，经过样本训练和学习，能够将人物进行分类，主要分为施工人员和路人。请参阅图1，具体的步骤为：首先多传感器获取作业人员图像，然后利用肤色定位人脸，然后判断是否有新人脸，若否，则重新开始，若是则判断头部是否有安全帽颜色，若是则获取安全帽颜色，或否，则判断此人未佩戴安全帽，在获取安全帽颜色后，通过统计安全帽颜色阈值内的点数，然后计算安全帽颜色点数所占比例，判断是否超过一定比例，若超过则从新利用肤色定位人脸，若否，则判断此人未佩戴安全帽。作为本发明的一个实施例：该方法采用混合高斯模型进行前景检测，再根据安全帽的颜色，以及包含安全帽颜色的像素点所占的比例判断是否是否佩戴安全帽实现安全帽的自动识别检测。该方案具备较高的环境适应性和检测准确率，可以实现对施工区作业人员安全帽佩戴情况的自动识别检测(包括各种天气状况以及复杂场地)，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。同时，能够以较快的速度和较高的识别率进行安全帽佩戴的动态识别和监控,从而保证施工单位用计算机自动识别安全帽的佩戴情况,保障工人安全生产。但对于地下作业,由于作业环境光线亮度不够,识别的正确率有待提高。作为本发明的一个实施例：在不同复杂环境下(如阴雨天、晴天、拍摄距离等因素造成的不同场景)进行多角度拍摄,以便从不同的角度获取作业工人的正面图像。由于施工人员和路人有明显区别的特征(如衣服的颜色，动作等)，经过样本训练和学习，能够将人物进行分类，主要分为施工人员和路人(此时包含背景)。通过前景检测将工人和背景分离，再根据人体肤色与其他颜色有很大的区别,通过肤色定位出人脸部位。定位出人脸后,向上扫描,根据库中已训练好的神经网络,判别头部是否是安全帽的颜色。如果不是,说明此人没有佩戴安全帽,可以报警提示,记录此人没有佩戴安全帽。对于佩戴安全帽以外的帽子等同未带安全帽的情况：由于安全帽常用的颜色包括红、黄、白3种颜色，根据不同色彩的安全帽建立阈值选取范围，各颜色安全帽阈值见表1。表1安全帽颜色阈值表红色安全帽黄色安全帽白色安全帽r[160，220][205,255][205，255]g[15，75][160，220][205，255]b[0，50][0，50][205，255]逐点统计安全帽估测区域的像素点，若像素点的r，g，b值满足安全帽颜色阈值表中某种安全帽的颜色阈值范围，则说明该点属于安全帽，将该点记录下来。对统计点进行分类，判断所记录的安全帽颜色点的数量占整个统计区域像素点数量的比例，若超过某一比例则判定其佩戴相应颜色的安全帽，若均达不到要求，则判定其未佩戴安全帽。以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。当前第1页12