安全设施检测方法及系统技术方案

本申请公开了一种安全设施检测方法及系统，该方法包括：获取图像集，所述图像集包括不同形态的通信设备图像和不同佩带安全设备的图像，所述图像集包括前景区域和背景区域；将所述图像集输入到预先建立的Faster

【技术实现步骤摘要】
安全设施检测方法及系统


[0001]本申请涉及网络安全领域，尤其涉及一种安全设施检测方法及系统。

技术介绍

[0002]在一些针对通信基站施工安全检查的场景中，主要是采用人工检测方式进行。人工检测是指监理人员定期对工作人员的工作环境的合规性进行巡视检查，即设备的外观是否存在异常，仪表数据是否正常，设备的气味、触觉是否正常，以及允许触摸的识别温度是否正常等进行检查，尤其是作业人员有没有正确佩带安全带和安全帽。
[0003]由于每年都新增大量基站，且施工团队水平参差不齐，为保证质量，需要投入大量的人力对项目进行监管、审查和检查，这就需要耗费大量的人力成本和时间成本，效率较低。

技术实现思路

[0004]本申请实施例提供一种安全设施检测方法及系统，以解决现有技术中人工检查需要耗费大量人力成本，效率较低的问题。
[0005]为了解决上述技术问题，本申请是这样实现的：
[0006]第一方面，提供了一种安全设施检测方法，该方法包括：
[0007]获取图像集，所述图像集包括不同形态的通信设备图像和不同佩带安全设备的图像，所述图像集包括前景区域和背景区域；
[0008]将所述图像集输入到预先建立的Faster
‑
RCNN级联网络结构中，筛选出包含目标的前景图像，所述预先建立的Faster
‑
RCNN级联网络结构为将带径向基核函数的支持向量机分类器引入到区域生成网络中得到的；
[0009]根据预先构建的异常检测模型，对所述包含目标的前景图像进行异常检测。
[0010]第二方面，提供了一种安全设施检测系统，该系统包括：
[0011]获取模块，用于获取图像集，所述图像集包括不同形态的通信设备图像和不同佩带安全设备的图像，所述图像集包括前景区域和背景区域；
[0012]筛选模块，用于将所述图像集输入到预先建立的Faster
‑
RCNN级联网络结构中，筛选出包含目标的前景图像，所述预先建立的Faster
‑
RCNN级联网络结构为将带径向基核函数的支持向量机分类器引入到区域生成网络中得到的；
[0013]检测模块，用于根据预先构建的异常检测模型，对所述包含目标的前景图像进行异常检测。
[0014]第三方面，提供了一种终端设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的方法的步骤。
[0015]第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法的步骤。
[0016]在本申请实施例中，首先获取图像集，图像集包括不同形态的通信设备图像和不同佩带安全设备的图像，图像集包括前景区域和背景区域；将图像集输入到预先建立的Faster
‑
RCNN级联网络结构中，筛选出包含目标的前景图像，预先建立的Faster
‑
RCNN级联网络结构为将带径向基核函数的支持向量机分类器引入到区域生成网络中得到的；根据预先构建的异常检测模型，对包含目标的前景图像进行异常检测。本申请实施例采用计算机视觉检测，基于个性化模型和Faster
‑
RCNN深度学习框架进行视觉智能信息处理，将人工审核工作转化为人工智能技术的自动检测，极大地减轻了审核管理员、监理人员的工作压力，节约人力资源，提升安全管理水平。
附图说明
[0017]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0018]图1是本申请实施例提供的安全设施检测方法的流程图；
[0019]图2是本申请实施例提供的安全设施检测系统的示意图。
具体实施方式
[0020]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0021]下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的一种安全设施检测方法及系统进行详细地说明。
[0022]如图1所示，为本申请实施例提供的一种安全设施检测方法的流程图。如图2所示，该安全设施检测方法可以包括：步骤S101至步骤S103所示的内容。
[0023]在步骤S101中，获取图像集，图像集包括不同形态的通信设备图像和不同佩带安全设备的图像，图像集包括前景区域和背景区域。
[0024]在本申请实施例中，图像集可以是拍摄的多张图像，也可以是从获取的视频中截取的多个视频帧后得到的图像。也就是，本申请实施例中可以通过多张图像进行安全设施的检测，也可以通过视频进行安全设施检测。
[0025]其中，安全设备可以包括安全带、安全帽等。
[0026]值得说明的是，获取的图像集中可以包括正确佩带安全设备的图像、通信设备安装正确的图像，也可以未正确佩带安全设备的图像，通信设备安装错误的图像。
[0027]进一步地，可以对上述图像中为正确佩带安全设备的图像和通信设备安装错误的图像进行标记，以训练异常检测模型。
[0028]具体地，可以标记多张图像，随机选取其中一部分放入训练集，另一部分放入验证集，对数据进行训练，得到异常检测模型。进一步地，在异常检测模型训练完成后，可以对图像集中的任意图像进行异常检测，以验证该异常检测模型是否可以准确检测。
[0029]在步骤S102中，将图像集输入到预先建立的Faster
‑
RCNN级联网络结构中，筛选出包含目标的前景图像。
[0030]其中，预先建立的Faster
‑
RCNN级联网络结构为将带径向基核函数的支持向量机分类器引入到区域生成网络中得到的。
[0031]在本申请实施例中，为了更好地进行目标检测，将未正确佩带安全设备的图像以及通信设备安装错误的图像检测出来，本申请实施例构建了Faster
‑
RCNN级联网络结构，将带径向基(Radial Basis Function，RBF)核函数的支持向量机分类器引入到区域生成网络(Region Proposal Network，RPN)中，对前景区域和背景区域进行分类并将背景图像筛除，仅将包含目标的前景图像送入后续检测步骤。其中，RBF核函数能将样本映射到高维空间，其拟合能力显著优于softmax等回归分类方法。
[0032]本申请实施例中的Faster
‑
RCNN级联网络结构采用独立的支持向量机(Support Vector Machine，SVM)网络进一步提高了区域建议质量，过滤目标对象的背景区域，从而使区域建议更符合物体识别的要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种安全设施检测方法，其特征在于，包括：获取图像集，所述图像集包括不同形态的通信设备图像和不同佩带安全设备的图像，所述图像集包括前景区域和背景区域；将所述图像集输入到预先建立的Faster
‑
RCNN级联网络结构中，筛选出包含目标的前景图像，所述预先建立的Faster
‑
RCNN级联网络结构为将带径向基核函数的支持向量机分类器引入到区域生成网络中得到的；根据预先构建的异常检测模型，对所述包含目标的前景图像进行异常检测。2.根据权利要求1所述的方法，其特征在于，所述将所述图像集输入到预先建立的Faster
‑
RCNN级联网络结构中，筛选出包含目标的前景图像，包括：将所述图像集输入到预先建立的Faster
‑
RCNN级联网络结构中，进行卷积计算，得到特征图；提取所述特征图中的目标图像，所述目标图像包括不同形态的目标；对所述目标图像进行二分类筛选，得到含所述目标的前景图像。3.根据权利要求2所述的方法，其特征包在于，所述对所述目标图像进行二分类筛选，得到包含所述目标的前景图像，包括：利用带径向基核函数的支持向量机分类器对所述目标图像进行二分类筛选，所述径向基核函数具有两个惩罚参数；所述利用带径向基核函数的支持向量机分类器对所述目标图像进行二分类筛选，包括：利用带有引力搜索算子的正态变异猫群算法优化所述惩罚参数，得到最优惩罚参数；将所述最优惩罚参数输入到所述支持向量机分类器中，将所述目标的前景区域图像和背景区域图像进行分类。4.根据权利要求3所述的方法，其特征在于，所述利用带有引力搜索算子的正态变异猫群算法优化所述惩罚参数，得到最优惩罚参数，包括：初始化猫群的位置和速度，每只猫对应一组惩罚参数；评价每只猫的适应度值；采用混合比例进行模式分配，模式包括搜索模式和追踪模式；若所述猫的模式为搜索模式，则利用正态分布曲线更新各猫的位置；若所述猫的模式为追踪模式，则通过惯性权重值和加速常数项更新各猫的位置；利用引力搜索算子优化更新后的各猫的位置，得到新的位置；判断是否满足终止条件，若满足，则终止，若不满足，则采用混合比例进行模式分配。5.根据权利要求4所述的方法，其特征在于，所述利用引力搜索算子优化更新后的各猫的位置，得到新的位置，包括：利用下式计算新的猫群中各猫的重力和惯性质量：利用下式计算新的猫群中各猫的重力和惯性质量：
其中，m
i,d
为第i只猫在d维空间中的重力；f(x)为猫的适应度值；x
i,d
为第i只猫在d维空间中的位置；x
j,d
为第j只猫在d维空间中的位置；w(t)为第猫的集合；M
i,d
为第i只猫在d维空间中相对于其它猫的惯性质量；从所有猫中选择质量最大的个体组成优越猫群集合，对剩余猫施加引力，得到各猫的新位置，各猫的新位置如下式所示：x'
i,d
＝x
i,d
+F
...

【专利技术属性】
技术研发人员：赵东明，田雷，刘静，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：