电力作业人员安全着装识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种电力作业人员安全着装识别方法及装置，所述方法包括：采集电力作业人员着装图像；将所述电力作业人员着装图像输入至预置的着装识别模型中进行人员头部和身体的检测以及安全帽分类识别和工装分类识别，获得安全帽识别结果和工装识别结果。本发明专利技术实施例提供的电力作业人员安全着装识别方法及装置，采用轻量级网络MobileNet作为基础特征提取网络，结合优化的SSD目标检测算法，对人员头部与身体部位初步判定，然后将网络不同层次特征、不同尺度拼接特征应用于不同分类识别任务，降低计算量同时，提升对安全着装分类识别性能。类识别性能。类识别性能。

【技术实现步骤摘要】
电力作业人员安全着装识别方法及装置


[0001]本专利技术涉及计算机
，更具体地，涉及一种电力作业人员安全着装识别方法及装置。

技术介绍

[0002]在电力行业的日常作业与施工中，出于对作业人员的安全考虑，对相关作业人员进入作业现场的着装有着严格的要求。作业人员必须佩戴好安全帽、正确穿好工作服才可以进入施工现场。由于行业的特殊性，安全着装能够对作业人员的人身安全起到保障作用，对进入作业现场内的作业人员进行视频监控，更加能够起到监督作用，从而降低作业人员的安全隐患。
[0003]近年来，随着人工智能与计算机视觉的不断发展，基于视频监控的安全着装自动检测与识别方法不断提出，减少了人工查看视频监控的工作量。但所出现的方案中，大多是针对是否佩戴安全帽的检测，针对是否穿着工作服、是否正确穿着工作服的检测方案较少。
[0004]电力作业场所较多、分布较广，需要视频智能分析的硬件设备满足体积小、成本低、实时性高，同时精度仍要有所保证。现有技术方案大多基于Faster R-CNN、YOLO等目标检测算法，无法实现对安全帽的检测，此类方案功能单一，并且算法由于计算量较大，对硬件要求高，无法应用在边缘终端移动设备中。

技术实现思路

[0005]本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的电力作业人员安全着装识别方法及装置。
[0006]第一方面，本专利技术实施例提供一种电力作业人员安全着装识别方法，包括：
[0007]采集电力作业人员着装图像；
[0008]将所述电力作业人员着装图像输入至预置的着装识别模型中进行人员头部和身体的检测以及安全帽分类识别和工装分类识别，获得安全帽识别结果和工装识别结果；
[0009]其中，所述着装识别模型是预先以电力作业人员着装图像为样本，以所述电力作业人员着装图像中人员戴安全帽和穿工装情况为样本标签进行训练获得，所述着装识别模型包括MobileNet网络、SSD目标检测模块、安全帽分类识别模块和工装分类识别模块。
[0010]进一步地，所述将所述电力作业人员着装图像输入至预置的着装识别模型中进行人员头部和身体的检测以及安全帽分类识别和工装分类识别，获得安全帽识别结果和工装识别结果的步骤，具体包括：
[0011]将所述电力作业人员着装图像输入至所述MobileNet网络中，获得所述电力作业人员着装图像对应的基础特征；
[0012]将所述电力作业人员着装图像对应的基础特征输入至所述SSD目标检测模块，获得预测目标框位置与大小，并基于所述预测目标框位置与大小，确定所述预测目标框内部为人员头部或人员身体；
[0013]将内部为人员头部的预测目标框对应的基础特征输入至所述安全帽分类识别模块，获得安全帽识别结果，将内部为人员身体的预测目标框对应的基础特征作为浅层特征，将所述浅层特征输入至多个卷积层，获得深层特征，将所述浅层特征与深层特征拼接后输入至所述工装分类识别模块，获得工装识别结果。
[0014]进一步地，训练获得所述着装识别模型的步骤，具体包括：
[0015]采集不同人员的不同着装图像，将每张着装图像中的人员戴安全帽情况和穿工装情况打上相应的标签，构建样本集，将所述样本集划分为训练样本集和测试样本集；
[0016]利用所述训练样本集对所述着装识别模型进行训练，训练结束后，获得初步训练完成的着装识别模型；
[0017]利用所述测试样本集对所述初步训练完成的着装识别模型进行测试，若测试精度满足预设要求，则获得最终训练完成的着装识别模型；或者，若测试精度没有达到预设要求，则针对未标注的着装图像，通过利用所述初步训练完成的着装识别模型的预测结果、结合阈值比较和非极大值抑制计算结果进行自动标注，并通过自动标注与人工微调相结合的方式，优化所述样本集；
[0018]利用优化后的样本集对所述初步训练完成的着装识别模型进行迭代优化训练直至所述着装识别模型的测试精度满足所述预设要求。
[0019]进一步地，利用所述训练样本集对所述着装识别模型进行训练，具体包括：
[0020]将所述训练样本集中的着装图像输入至所述MobileNet网络中，获得所述着装图像对应的基础特征；
[0021]将所述基础特征输入至所述SSD目标检测模块，获得预测目标框位置与大小，并基于所述预测目标框位置与大小，确定所述预测目标框内部为人员头部或人员身体；
[0022]针对内部为人员头部的预测目标框，将所述内部为人员头部的预测目标框对应的基础特征输入至所述安全帽分类识别模块，获得安全帽识别结果；
[0023]针对内部为人员身体的预测目标框，将所述内部为人员身体的预测目标框对应的基础特征作为浅层特征，将所述浅层特征输入至多个卷积层进行更深层次的特征提取，获得深层特征，将所述浅层特征与深层特征进行拼接后输入至所述工装分类识别模块，获得工装识别结果；
[0024]基于所述着装图像对应的人员戴安全帽情况标签以及所述安全帽识别结果，计算安全帽识别损失，基于所述着装图像对应的人员穿工装情况标签以及所述工装识别结果，计算工装识别损失；
[0025]通过反向传播算法，调整所述着装识别模型的各个参数，以使所述损失朝最小化方向移动；
[0026]判断是否达到训练结束条件，若是，则保存当前迭代所述着装识别模型的各个参数，获得初步训练完成的着装识别模型。
[0027]进一步地，针对未标注的着装图像，通过利用所述初步训练完成的着装识别模型的预测结果、结合阈值比较和非极大值抑制计算结果进行自动标注，具体包括：
[0028]将所述未标注的着装图像输入至所述初步训练完成的着装识别模型，获得若干个预测结果，每个预测结果包括预测目标框的位置、预测目标框所属类别与预测目标框的分数；
[0029]将所有预测目标框的分数与所设定的分数阈值进行比较，若某一预测目标框的分数高于所述分数阈值，将所述预测目标框所对应的位置、大小与类别信息作为标注信息；或者，
[0030]利用预测目标框的分数低于所述分数阈值的所有预测结果构造一个集合，若所述集合中存在N个预测目标框属于同一区域，且N小于所设定的目标框数目阈值，则丢弃所述预测结果，或者，若N大于所设定的目标框数目阈值，则取N个预测目标框中大多数框所属的类别，记为M个框所属的类别，作为所述未标注的着装图像的类别属性，并利用所述M个框的位置与大小信息、采用非极大值抑制NMS计算的方式找到最佳的预测目标框位置与大小作为标住信息。
[0031]第二方面，本专利技术实施例提供一种电力作业人员安全着装识别装置，包括：
[0032]图像采集模块，用于采集电力作业人员着装图像；
[0033]识别模块，用于将所述电力作业人员着装图像输入至预置的着装识别模型中进行人员头部和身体的检测以及安全帽分类识别和工装分类识别，获得安全帽识别结果和工装识别结果；
[0034]其中，所述着装识别模型是预先以电力作业人员着装图像为样本，以所述电力作业人员着装图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力作业人员安全着装识别方法，其特征在于，包括：采集电力作业人员着装图像；将所述电力作业人员着装图像输入至预置的着装识别模型中进行人员头部和身体的检测以及安全帽分类识别和工装分类识别，获得安全帽识别结果和工装识别结果；其中，所述着装识别模型是预先以电力作业人员着装图像为样本，以所述电力作业人员着装图像中人员戴安全帽和穿工装情况为样本标签进行训练获得，所述着装识别模型包括MobileNet网络、SSD目标检测模块、安全帽分类识别模块和工装分类识别模块。2.根据权利要求1所述的电力作业人员安全着装识别方法，其特征在于，所述将所述电力作业人员着装图像输入至预置的着装识别模型中进行人员头部和身体的检测以及安全帽分类识别和工装分类识别，获得安全帽识别结果和工装识别结果的步骤，具体包括：将所述电力作业人员着装图像输入至所述MobileNet网络中，获得所述电力作业人员着装图像对应的基础特征；将所述电力作业人员着装图像对应的基础特征输入至所述SSD目标检测模块，获得预测目标框位置与大小，并基于所述预测目标框位置与大小，确定所述预测目标框内部为人员头部或人员身体；将内部为人员头部的预测目标框对应的基础特征输入至所述安全帽分类识别模块，获得安全帽识别结果，将内部为人员身体的预测目标框对应的基础特征作为浅层特征，将所述浅层特征输入至多个卷积层，获得深层特征，将所述浅层特征与深层特征拼接后输入至所述工装分类识别模块，获得工装识别结果。3.根据权利要求1所述的电力作业人员安全着装识别方法，其特征在于，训练获得所述着装识别模型的步骤，具体包括：采集不同人员的不同着装图像，将每张着装图像中的人员戴安全帽情况和穿工装情况打上相应的标签，构建样本集，将所述样本集划分为训练样本集和测试样本集；利用所述训练样本集对所述着装识别模型进行训练，训练结束后，获得初步训练完成的着装识别模型；利用所述测试样本集对所述初步训练完成的着装识别模型进行测试，若测试精度满足预设要求，则获得最终训练完成的着装识别模型；或者，若测试精度没有达到预设要求，则针对未标注的着装图像，通过利用所述初步训练完成的着装识别模型的预测结果、结合阈值比较和非极大值抑制计算结果进行自动标注，并通过自动标注与人工微调相结合的方式，优化所述样本集；利用优化后的样本集对所述初步训练完成的着装识别模型进行迭代优化训练直至所述着装识别模型的测试精度满足所述预设要求。4.根据权利要求3所述的电力作业人员安全着装识别方法，其特征在于，利用所述训练样本集对所述着装识别模型进行训练，具体包括：将所述训练样本集中的着装图像输入至所述MobileNet网络中，获得所述着装图像对应的基础特征；将所述基础特征输入至所述SSD目标检测模块，获得预测目标框位置与大小，并基于所述预测目标框位置与大小，确定所述预测目标框内部为人员头部或人员身体；针对内部为人员头部的预测目标框，将所述内部为人员头部的预测目标框对应的基础
特征输入至所述安全帽分类识别模块，获得安全帽识别结果；针对内部为人员身体的预测目标框，将所述内部为人员身体的预测目标框对应的基础特征作为浅层特征，将所述浅层特征输入至多个卷积层进行更深层次的特征提取，获得深层特征，将所述浅层特征与深层特征进行拼接后输入至所述工装分类识别模块，获得工装识别结果；基于所述着装图像对应的人员戴安全帽情况标签以及所述安全帽识别结果，计算安全帽识别损失，基于所述着装图像对应的人员穿工装情况标签以及所述工装识别结果，计算工装识别损失；通过反向传播算法，调整所述着装识别模型的各个参数，以使所述损失朝最小化方向移动；判断是否达到训练结束条件，若是，则保存当前迭代所述着装识别模型的各个参数，获得初步训练完成的着装识别模型。5.根据权利要求3所述的电力作业人员安全着装识别方法，...

【专利技术属性】
技术研发人员：韩璐，夏晓春，李红，钮伟樑，郑伟彦，刘箭，黄晨，李哲，
申请(专利权)人：普天信息技术有限公司，
类型：发明
国别省市：