一种基于深度学习的基建场景安全检测系统及方法与流程

本发明涉及视觉图像处理技术领域，具体涉及一种基于深度学习的基建场景安全检测系统及方法。

背景技术：

随着计算机技术的迅猛发展以及在深度学习和计算机视觉上的逐步深入，电子器械可以充分利用其优势来实现对目标进行识别、跟踪和测量等等，并进一步做图像处理和系统反馈，具有较强的自主适应环境的能力。

深度学习的行人多维特征识别如今已在交通场景应用中越来越广泛。但在面向基建场景还很少有应用。

技术实现要素：

本发明的目的在于克服现有技术中的不足，提出了一种基于深度学习的基建场景安全检测系统及方法，能够有效地保证基建场景的安全性。

为解决上述技术问题，本发明提供了一种基于深度学习的基建场景安全检测系统，其特征是，在整个基建场景内各视角均部署有摄像头，还包括图像处理模块、人员识别模块、着装判断模块和安全报警模块；

摄像头采集基建场景内各视角的视频图像发送指图像处理模块；

图像处理模块，用于从视频图像中获取各人员图像；

人员识别模块，用于根据各人员图像进行人员识别，并与企业员工照片库比对以判断各人员是否是企业从业人员；

着装判断模块，用于根据人员图像判断头盔与着装是否符合安全着装要求；

安全报警模块，用于判断出不符合安全着装要求，则进行报警。

进一步的，基建场景的出入口处设有摄像头。

相应的，本发明还提供了一种基于深度学习的基建场景安全检测方法，包括以下过程：

采集基建场景内各视角的视频图像；

从视频图像中获取各人员图像；

根据各人员图像进行人员识别，并与企业员工照片库比对以判断各人员是否是企业从业人员；

若是企业从业人员，则根据人员图像判断头盔与着装是否符合安全着装要求；

若不符合安全着装要求，则进行报警。

进一步的，当判断出不是从业人员时，则进行报警；

进一步的，利用yolo_v3算法从视频图像中获取各人员图像。

进一步的，利用yolo_v3算法从人员图像中获取头盔与着装。

与现有技术相比，本发明所达到的有益效果是：本发明所提出的基建场景下的安全性分析与干预的方法，能够有效地保证基建场景的安全性。主要提出了基建场景摄像头设置方案、人物目标检测、人脸识别、头盔与着装目标检测方案。相比于传统方法，其具有更好的预警和干预的及时性、有效性。

附图说明

图1是本发明系统的原理框图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明的一种基于深度学习的基建场景安全检测系统，参见图1所示，在整个基建场景内各视角均部署有摄像头，还包括图像处理模块、人员识别模块、着装判断模块和安全报警模块；

摄像头采集基建场景内各视角的视频图像发送指图像处理模块；

图像处理模块，用于从视频图像中获取各人员图像；

人员识别模块，用于根据各人员图像进行人员识别，并与企业员工照片库比对以判断各人员是否是企业从业人员；

着装判断模块，用于根据人员图像判断头盔与着装是否符合安全着装要求；

安全报警模块，用于判断出不符合安全着装要求，则进行报警。

本发明实施例中，摄像头可采用现有市面上已有的设备，图像处理模块、人员识别模块、着装判断模块和安全报警模块可采用现有技术中能够实现各自功能的功能模块或硬件设备，例如可以是图像处理单片机来实现。

相应的，本发明的一种基于深度学习的基建场景安全检测方法，包括以下过程：

采集基建场景内各视角的视频图像；

从视频图像中获取各人员图像；

根据各人员图像进行人员识别，并与企业员工照片库比对以判断各人员是否是企业从业人员；

若不是从业人员，则进行报警；

若是企业从业人员，则根据人员图像判断头盔与着装是否符合安全着装要求；

若不符合安全着装要求，则进行报警。

下面从以下几个部分详细说明本发明技术方案：

1）基建场景摄像头设置方案

设置一定数量的监控摄像头，尽量确保基建场景的多视角可见性，可以利用多视角的多个摄像头实现目标检测、人脸识别的快速和准确的获取。另外，需要更加注重基建场景的出入口的监控，这样可以尽早预防无关人员进入。针对夜间场景，需要利用红外线摄像头辅助工作。

2）人员检测

利用yolo_v3算法借助其多尺度预测和更好的基础分类网络、分类器。合理应用在基建场景的人员检测中，并生成人物框图，为接下来的细节检测做准备。

（3）人员识别

为了准确分析出非企业的无关人员是否存在，对人物框图采用人脸追踪侦测技术实现视频动态人脸特征获取，自动放大人脸影像，与企业系统员工照片库比对，从而判断是否为非企业的无关人员。在此，针对夜间工作的基建场景环境，可采用夜间红外侦测人脸的技术应对。

（4）头盔与着装目标检测模拟方案

同样利用yolo_v3算法，对人物框图进行再次目标检测。针对不同的基建场景，头盔与着装目标检测需要采取不同的判断设置。一些基建场景要求经理需要着装红色安全制服，则可以判断经理的着装是否合理以及其安全性。还有一些基建场景要求全员都需要正确穿戴头盔、安全制服，则可以判断每位人员是否安全着装。

（5）预警

通过对人脸目标检测、头盔、着装目标检测结果做出安全性分析，锁定头盔和着装不符合安全标准的企业人员以及非企业的在场无关人员，确认其企业员工身份或者是外来无关人员身份，发送至系统云端生成预警，并通知基建场景管理人员及时干预处理。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

技术特征：

技术总结
本发明公开了一种基于深度学习的基建场景安全检测系统及方法，包括以下过程：采集基建场景内各视角的视频图像；从视频图像中获取各人员图像；根据各人员图像进行人员识别，并与企业员工照片库比对以判断各人员是否是企业从业人员；若是企业从业人员，则根据人员图像判断头盔与着装是否符合安全着装要求；若不符合安全着装要求，则进行报警。本发明主要提出了基建场景摄像头设置方案、人物目标检测、人脸识别、头盔与着装目标检测方案，能够有效地保证基建场景的安全性。相比于传统方法，其具有更好的预警和干预的及时性、有效性。

技术研发人员：张训飞;熊健;马强;王一平
受保护的技术使用者：南京邮电大学
技术研发日：2019.04.25
技术公布日：2019.07.30