一种用于基建工程的安全帽检测方法及系统与流程

本发明涉及基建工程，特别是涉及一种用于基建工程的安全帽检测方法及系统。

背景技术：

1、随着互联网、5g、云计算、人工智能、边缘计算等技术的飞速发展，工业生产开始加速向数字化、信息化和智能化方向迈进。企业提出了“构建由智慧基建、智慧安全、智慧运行、智慧检修、智慧管理、智慧燃料六大应用体系组成的超融合一体化智慧平台(1+6+n模式)”，打造具有专属特色的智慧电厂的建设方案。智慧安全监控系统作为智慧基建的重要组成部分，是利用计算机视觉技术对视频信号进行处理、分析和理解，在不需要人为干预的情况下，能在异常发生时及时发出警报或提供有用信息，有效地协助安全管理人员发现和处理问题，提升基建安全管理水平。由于传统视频监控系统已不能满足复杂现场安全管理的要求，智慧安全监控系统的运用越来越被人们重视。

2、现有技术中对安全帽进行监控都需要首先获得人体头部的位置，进而根据人体头部位置来判断是否佩戴安全帽。但实际上，在智慧工地的工作面上，背景很复杂，通过对图像(或视频帧)处理对人体头部位置的提取在背景复杂的情况下所受的干扰很大，容易出现误判；另一方面，现有技术中通过人体头部检测安全帽的算法较为复杂，在硬件配置一定的情况下，实时性会受到影响。

3、因此，如何提供一种可以用于基建工程的安全帽检测方法及系统，是目前有待解决的技术问题。

技术实现思路

1、针对上述现有技术存在的问题，本发明的目的是提供一种用于基建工程的安全帽检测方法及系统，本发明可以对工作人员佩戴安全帽的情况进行实时准确的检测，防止工作人员未佩戴安全帽而发生危险的技术问题。

2、为了实现上述目的，本发明提供了一种用于基建工程的安全帽检测方法，所述方法包括：

3、基于预设的视频拍摄设备对待检测区域进行拍摄，得到待检测视频，并对所述待检测视频进行逐帧处理，得到初始待检测图像；

4、将所述初始待检测图像进行预处理，得到目标待检测图像，并对所述目标待检测图像进行特征提取处理，得到所述目标待检测图像的待检测数据；

5、将所述目标待检测图像的待检测数据输入至预设的编程软件，对所述目标待检测图像进行分析计算，并输出所述目标待检测图像的相似度值；

6、根据所述目标待检测图像的相似度值判断当前工作人员是否佩戴安全帽，当工作人员佩戴安全帽时，在所述目标待检测图像上进行标注，并生成报警信息。

7、在其中一个实施例中，在将所述初始待检测图像进行预处理时，包括：

8、对所述初始待检测图像进行图像差异预处理，并基于预设的分割算法分别对所述初始待检测图像进行图像分割，得到若干个分割图像；

9、根据卷积神经网络对每个分割图像的图像像素值进行卷积运算，并得到卷积值；

10、根据所述卷积值和预设卷积值之间的关系对分割图像进行分类，

11、当所述卷积值大于或等于所述预设卷积值时，则根据对应的分割图像生成待处理图像集合，

12、获取所述待处理图像集合中所有分割图像的置信度，基于置信度数值大小对所有分割图像进行排序，并将最大置信度对应的分割图像作为所述目标待检测图像；

13、当所述卷积值小于所述预设卷积值时，则根据对应的分割图像生成非待处理图像集合。

14、在其中一个实施例中，在将所述目标待检测图像的待检测数据输入至预设的编程软件，对所述目标待检测图像进行分析计算，并输出所述目标待检测图像的相似度值时，包括：

15、基于预设的编程软件和yolo算法对所述目标待检测图像进行实时帧检测，并将所述目标待检测图像划分成s*s个图像格子；

16、将所述目标待检测图像输入至安全帽卷积神经网络，并输出所述目标待检测图像的预测目标边界框和预测目标类别；

17、对所述目标待检测图像的预测目标边界框进行非最大值抑制，并输出所述目标待检测图像的相似度值。

18、在其中一个实施例中，在将所述目标待检测图像输入至安全帽卷积神经网络之前，还包括：

19、获取预设的预训练模型，并创建训练数据集的配置文件和标注数据集；

20、输入训练指令，并基于所述预设的预训练模型进行数据训练，得到所述安全帽卷积神经网络对应的权重文件。

21、在其中一个实施例中，在根据所述目标待检测图像的相似度值判断当前工作人员是否佩戴安全帽时，包括：

22、根据所述相似度值和相似度阈值之间的关系判断当前工作人员是否佩戴安全帽，

23、当所述相似度值小于或等于所述相似度阈值时，则判断当前工作人员未佩戴安全帽；

24、当所述相似度值大于所述相似度阈值时，则判断当前工作人员佩戴安全帽。

25、为了实现上述目的，本发明提供了一种用于基建工程的安全帽检测系统，所述系统包括：

26、视频采集模块，用于基于预设的视频拍摄设备对待检测区域进行拍摄，得到待检测视频，并对所述待检测视频进行逐帧处理，得到初始待检测图像；

27、视频处理模块，用于将所述初始待检测图像进行预处理，得到目标待检测图像，并对所述目标待检测图像进行特征提取处理，得到所述目标待检测图像的待检测数据；

28、视频分析模块，将所述目标待检测图像的待检测数据输入至预设的编程软件，对所述目标待检测图像进行分析计算，并输出所述目标待检测图像的相似度值；

29、标注报警模块，用于根据所述目标待检测图像的相似度值判断当前工作人员是否佩戴安全帽，当工作人员佩戴安全帽时，在所述目标待检测图像上进行标注，并生成报警信息。

30、在其中一个实施例中，所述视频处理模块具体用于：

31、所述视频处理模块用于对所述初始待检测图像进行图像差异预处理，并基于预设的分割算法分别对所述初始待检测图像进行图像分割，得到若干个分割图像；

32、所述视频处理模块用于根据卷积神经网络对每个分割图像的图像像素值进行卷积运算，并得到卷积值；

33、所述视频处理模块用于根据所述卷积值和预设卷积值之间的关系对分割图像进行分类，

34、所述视频处理模块用于当所述卷积值大于或等于所述预设卷积值时，则根据对应的分割图像生成待处理图像集合，

35、所述视频处理模块用于获取所述待处理图像集合中所有分割图像的置信度，基于置信度数值大小对所有分割图像进行排序，并将最大置信度对应的分割图像作为所述目标待检测图像；

36、所述视频处理模块用于当所述卷积值小于所述预设卷积值时，则根据对应的分割图像生成非待处理图像集合。

37、在其中一个实施例中，所述分析模块具体用于：

38、所述分析模块用于基于预设的编程软件和yolo算法对所述目标待检测图像进行实时帧检测，并将所述目标待检测图像划分成s*s个图像格子；

39、所述分析模块用于将所述目标待检测图像输入至安全帽卷积神经网络，并输出所述目标待检测图像的预测目标边界框和预测目标类别；

40、所述分析模块用于对所述目标待检测图像的预测目标边界框进行非最大值抑制，并输出所述目标待检测图像的相似度值。

41、在其中一个实施例中，所述分析模块具体用于：

42、所述分析模块用于获取预设的预训练模型，并创建训练数据集的配置文件和标注数据集；

43、所述分析模块用于输入训练指令，并基于所述预设的预训练模型进行数据训练，得到所述安全帽卷积神经网络对应的权重文件。

44、在其中一个实施例中，所述标注报警模块具体用于：

45、所述标注报警模块用于根据所述相似度值和相似度阈值之间的关系判断当前工作人员是否佩戴安全帽，

46、所述标注报警模块用于当所述相似度值小于或等于所述相似度阈值时，则判断当前工作人员未佩戴安全帽；

47、所述标注报警模块用于当所述相似度值大于所述相似度阈值时，则判断当前工作人员佩戴安全帽。

48、本发明提供了一种用于基建工程的安全帽检测方法及系统，相较现有技术，具有以下有益效果：

49、本发明公开了一种用于基建工程的安全帽检测方法及系统，基于预设的视频拍摄设备对待检测区域进行拍摄，得到待检测视频，对待检测视频进行逐帧处理，得到初始待检测图像，将初始待检测图像进行预处理，得到目标待检测图像，对目标待检测图像进行特征提取处理，得到待检测数据，将待检测数据输入至预设的编程软件进行分析计算，输出目标待检测图像的相似度值，根据相似度值判断当前工作人员是否佩戴安全帽，并进行标注，且生成报警信息，本发明可以对工作人员佩戴安全帽的情况进行实时准确的检测，通过发出报警提醒，防止工作人员未佩戴安全帽而发生危险，有效协助安全管理人员发现和处理问题，提升基建安全管理水平。