一种施工安全的图像检测方法技术

一种施工安全的图像检测方法，属于图像信息检测识别技术领域，解决了现在图像检测依靠人工，劳动强度大，且检测效率不高的问题。其包括如下步骤：S1，对原图进行冗余信息的约简，保留施工人员信息，滤除掉与施工无关的信息；S2,对约简后的图片进行分类并提取出违章图片的特征参数；S3,将待检目标特征参数与标准库的特征做匹配，判断违章类别。本发明专利技术基于内积奇异值分解的特征提取方法，本文提出的特征提取算法对特征提取的效果最好，边缘轮廓清晰，噪声少，几乎图片中具有的特征都提取出来了，保持了很好的细节特征。持了很好的细节特征。持了很好的细节特征。

【技术实现步骤摘要】
一种施工安全的图像检测方法


[0001]本专利技术涉及图像检测处理
，尤其涉及一种施工安全违章的一种施工安全的图像检测方法。

技术介绍

[0002]随着经济的发展，建筑行业也得到了迅速的发展，针对建筑行业施工现场安全问题，目前主要是人工现场监督或是通过人工察看静态照片的方法，察看图片的人工劳动强度很大，而且，由于照片角度、精度有限，有些细微问题通过人眼识别非常困难，此外，施工现场的复杂环境使得安全监控也极具挑战性。虽然从目前的市场来看，有安全检测的方法，但是效率不高，对于环境不平衡的问题，也没有给具体检测的解决方法。因此，目前急需一种针对性的图像智能检测方法，减少人工劳动强度，提高图像检测效率，有效提取违规操作、穿戴不规范、抽烟、危险动作、施工编号等的检测，及时排查安全隐患。

技术实现思路

[0003]针对上述情况，为克服现有技术的缺陷，本专利技术提供一种施工安全的图像检测方法，有效的解决了现在图像检测依靠人工，劳动强度大，且检测效率不高的问题。
[0004]为实现上述目的，本专利技术的技术方案为：一种施工安全的图像检测方法，包括如下步骤：
[0005]S1，对原图进行冗余信息的约简，保留施工人员信息，滤除掉与施工无关的信息；
[0006]S2,对约简后的图片进行分类并提取出违章图片的特征参数；
[0007]S3,将待检目标特征参数与标准库的特征做匹配，判断违章类别。
[0008]优选的，所述步骤S1中的具体步骤为定义违章行为时间X的信任度m(X)，根据m(X)判断某一元素或某个目标集是否为施工现场的必要元素或必要目标区域，是否需要去掉。
[0009]优选的，所述步骤S2的具体步骤为：
[0010]S21,实施施工现场的大目标分类，即用图像特征提取方法先分类出安全帽、带、工人服、警示马甲、防护镜、违规操作等特征，建立标准安全标识特征库向量，即灰度均值、方差、特征形状、形状所围的周长、面积等组成；
[0011]S22，给出一个图像特征的提取算法，计算出待检目标特征的参数向量。
[0012]优选的，所述步骤S3的具体步骤为，把标准库的特征与待检目标特征做差匹配或做相似度匹配，再根据推理规则判断违章类别。
[0013]优选的，所述步骤S2中采用内积奇异值分解的方法进行特征提取。
[0014]优选的，所述步骤S3中采用关联矩阵法进行违章特征匹配。
[0015]本专利技术与现有技术相比具有如下益处：1)基于内积奇异值分解的特征提取方法，本文提出的特征提取算法对特征提取的效果最好，边缘轮廓清晰，噪声少，几乎图片中具有的特征都提取出来了，保持了很好的细节特征；2)基于关联矩阵法的违章特征匹配算法，特征匹配就是把标准库的特征与待检目标特征做差匹配或做相似度匹配，利用在某一时刻特
征计算层的输出值进行多样特征、不同指标、真伪特征关联性与分类，从而匹配出目标参数向量。
附图说明
[0016]图1为本专利技术整体步骤流程示意图。
具体实施方式
[0017]现在结合附图对本专利技术作进一步详细的说明。附图为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。
[0018]一种施工安全的图像检测方法，其步骤包括：
[0019]步骤一，对原始图片进行冗余信息的约简，保留施工人员信息，滤除掉与施工无关的信息。
[0020]设m1(X
L
)和m2(X
U
)分别是违章行为事件X的下近似X
L
与上近似X
U
的信任度，而对于信任度m1(X
L
)和m2(X
U
)的计算就是概率分配函数的计算，而总信任度m(X)可通过m1(X
L
)和m2(X
U
)来计算，即min{m1(X
L
),m2(X
U
)}≤m(X)≤max{m1(X
L
),m2(X
U
)}。
[0021]如果是多个专家n个专家对同一个违章行为事件X赋值，那么基本信任度m(X)由计算：
[0022]根据上面基本信任度的计算，进一步缩小真值的范围，最终求得判决结果。方法是：对X的信任函数为m
*
(X)。若在集合X中，去掉某个元素后的集合设为Y1，信任为m
*
(Y1)，且|m
*
(X)
‑
m
*
(Y1)|＜ε，则认为可去掉该元素，其中，ε为预先设定的一个阈值。
[0023]步骤二，定义违章相似度分类法和内积奇异值分解方法提取违章特征信息。
[0024]定义违章相似度分类法，按照目标特征或规则要求，实施施工现场的大目标分类，把由待检测的特征属性向量归入到一个与它最相似的由已知属性构成的特征向量所属的类别中去，即用图像特征提取方法先分类出安全帽、带、工人服、警示马甲、防护镜、违规操作等特征。
[0025]对于待检实例X，已知类X
l
＝(x
l1
,x
l2
,L,x
lm
)，分别定义X与c个最近邻X1,X2,L,X
c
之间的距离为d1,d2,L,d
c
，由特征个数知其关联情况，可得与待检测目标X距离最近的c个已知类别X
l
，记为N
c
(X),根据c个向量之间的距离和权重的意义，并且基于权重ω
l
要满足可定义决策权重ω
l
。基于权重的近邻决策规则，可通过判断X的类别，如果y值大于给定的阈值ε，则X属于第l类，否则，X不属于第l类。
[0026]根据检测目标本身的特性和专家经验，提取一些违章的特征参数，再对这些特征分别挖掘其特征点A。例如，工人在施工过程中安全帽、安全带是否穿戴及规范性、行为异常、操作部件异常等特征点。给定隶属函数，由这个函数计算待检测的特征点异常现象A的隶属度μ
A
，再由历史数据或领域专家给定一个特征点，称为核心点A0，记它的隶属度为再通过定义A和A0间的关联度，由关联度决定待检测的点A是否为特征点。由此方法，可得异常的关键特征参数向量Λ＝[ξ1,ξ2,L,ζ
n
]T
。这里ξ
i
＝[ξ
i1
,ξ
i2
,L,ξ
ik
]T
，i＝1,L,n。这里，n表
示共有n个行为类，每个行为类关键特征有k个参数构成，i表示第i类行为。
[0027]计算异常现象A的隶属度。假定ξ
ij
是A的通过奇异值分解提取的第i类违章特征的第j个参数指标值，那么其对应于A的隶属程度μ
ij
(A)可以由性能较好的连续可导的函数来计算，定义如下：
[0028][0029]这里，α本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种施工安全的图像检测方法，其特征在于，包括如下步骤：S1，对原图进行冗余信息的约简，保留施工人员信息，滤除掉与施工无关的信息；S2,对约简后的图片进行分类并提取出违章图片的特征参数；S3,将待检目标特征参数与标准库的特征做匹配，判断违章类别。2.根据权利要求1所述的一种施工安全的图像检测方法，其特征在于，所述步骤S1中的具体步骤为定义违章行为事件X的信任度，根据违章行为事件X的信任度判断某一元素或某个目标集是否为施工现场的必要元素或必要目标区域，是否需要去掉。3.根据权利要求1所述的一种施工安全的图像检测方法，其特征在于，所述步骤S2的具体步骤为：S21,实施施工现场的大目标分类，即用图像特征提取方法先分...

【专利技术属性】
技术研发人员：吴青娥，陈虎，周林涛，鲁迎波，钱晓亮，王文静，余遥，吴楠鹏，宋智超，李朋磊，万国梁，宗涛，李勇，常帅帅，安紫明，马志远，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：