电厂不戴安全帽违规行为管控方法、系统、设备及介质技术方案

本发明专利技术公开了一种电厂不戴安全帽违规行为管控方法、系统、设备及介质，包括：获取待检测图像；将所述待检测图像输入到人员行为特征提取网络中，得到提取的特征；将所述提取的特征输入到违规人员目标检测网络中，当没有检测得到不佩戴安全帽的头部时，则输出不存在安全帽违规行为；当检测到不佩戴安全帽的头部时，则获取所述不佩戴安全帽的人员信息；输出不佩戴安全帽的人员信息，该方法、系统、设备及介质能够较为准确检测未带安全帽的人员信息。能够较为准确检测未带安全帽的人员信息。能够较为准确检测未带安全帽的人员信息。

【技术实现步骤摘要】
电厂不戴安全帽违规行为管控方法、系统、设备及介质


[0001]本专利技术属于自动检测
，涉及一种电厂不戴安全帽违规行为管控方法、系统、设备及介质。

技术介绍

[0002]电厂是关乎国计民生的重要基础设施，电厂设备种类众多且关联密切、工况复杂，容易引发安全生产事故，给人身和财产安全带来巨大损失。根据安全专家统计，在众多安全生产事故中，由于人的不安全行为引发的事故占80％以上，由此可见人的心理素质、安全意识和业务素质是安全生产的关键。如何提高人的主观能动性，约束和监督人的不安全行为，及时发现和排除安全隐患是电厂安全管控的重要内容。
[0003]电厂占地面积广，设备众多、环境复杂，仅靠人的值班巡视很难做到无死角、全天候的安全监督，随着工业互联网、深度学习等技术的迅猛发展，目前电厂安全帽违规行为管控主要采用常规目标检测方法进行，通过人脸识别技术进行违规人员识别，当在人脸数据模糊、人体朝向非正向、人脸遮挡等情况下，该方法的作用极大受限，且无法根据人体整体特征如衣着、体态、发型等信息进行人员识别。此外，电厂的设备、管道众多，生产环境复杂，现有的安全帽违规行为管控方法难以适用于电厂绝大部分生产现场的场景，违规人员重识别效果差，无法利用身体特征、步态动作等更为全面的信息来识别人员，进行人员检索，造成大量违规行为检测遗漏。

技术实现思路

[0004]本专利技术的目的在于克服上述现有技术的缺点，提供了一种电厂不戴安全帽违规行为管控方法、系统、设备及介质，该方法、系统、设备及介质能够较为准确检测未带安全帽的人员信息。
[0005]为达到上述目的，本专利技术公开了一种电厂不戴安全帽违规行为管控方法，包括：
[0006]获取待检测图像；
[0007]将所述待检测图像输入到人员行为特征提取网络中，得到提取的特征；
[0008]将所述提取的特征输入到违规人员目标检测网络中，当没有检测得到不佩戴安全帽的头部时，则输出不存在安全帽违规行为；当检测到不佩戴安全帽的头部时，则获取所述不佩戴安全帽的人员信息；
[0009]输出不佩戴安全帽的人员信息。
[0010]所述获取所述不佩戴安全帽的头部的人员信息的具体过程为：
[0011]将当前检测框输入到人脸重识别模型中，以识别出人脸，根据识别出来的人脸确认不佩戴安全帽的人员信息；
[0012]所述获取所述不佩戴安全帽的头部的人员信息的具体过程为：
[0013]将当前检测框输入到重识别分支网络中提取人员特征，再将提取的人员特征与人员底库中所有人员的特征进行距离匹配，以识别出不佩戴安全帽的人员信息。
[0014]所述将提取的人员特征与人员底库中所有人员特征进行距离匹配，以识别出不佩戴安全帽的人员信息的具体过程为：
[0015]采用欧式距离计算提取的人员特征与人员底库中所有人员特征之间的相似度；
[0016]计算Sum
ID
，其中，
[0017][0018][0019]其中，e为衰减因子；
[0020]选择Sum
ID
得分最高时对应的人员特征的人员信息作为不佩戴安全帽的人员信息。
[0021]本专利技术公开了一种电厂不戴安全帽违规行为管控系统，包括：
[0022]获取模块，用于获取待检测图像；
[0023]特征提取模块，用于将所述待检测图像输入到人员行为特征提取网络中，得到提取的特征；
[0024]检查模块，用于将所述提取的特征输入到违规人员目标检测网络中，当没有检测得到不佩戴安全帽的头部时，则输出不存在安全帽违规行为；当检测到不佩戴安全帽的头部时，则获取所述不佩戴安全帽的人员信息；
[0025]输出模块，用于输出不佩戴安全帽的人员信息。
[0026]所述获取所述不佩戴安全帽的头部的人员信息的具体过程为：
[0027]将所述当前检测框输入到人脸重识别模型中，以识别出人脸，根据识别出来的人脸确认不佩戴安全帽的人员信息。
[0028]所述获取所述不佩戴安全帽的头部的人员信息的具体过程为：将当前检测框输入到重识别分支网络中提取人员特征，再将提取的人员特征与人员底库中所有人员特征进行距离匹配，以识别出不佩戴安全帽的人员信息。
[0029]所述将提取的人员特征与人员底库中所有人员特征进行距离匹配，以识别出不佩戴安全帽的人员信息的具体过程为：
[0030]采用欧式距离计算提取的人员特征与人员底库中所有人员特征之间的相似度；
[0031]计算Sum
ID
，其中，
[0032][0033][0034]其中，e为衰减因子；
[0035]选择Sum
ID
得分最高时对应的人员特征的人员信息作为不佩戴安全帽的人员信息。
[0036]本专利技术公开了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述电厂不戴安全帽违规行为管控方法的步骤。
[0037]本专利技术公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述电厂不戴安全帽违规行为管控方法的步
骤。
[0038]本专利技术具有以下有益效果：
[0039]本专利技术所述的电厂不戴安全帽违规行为管控方法、系统、设备及介质在具体操作时，基于人员行为特征提取网络及违规人员目标检测网络判断识别安全帽违规行为，并检测到不佩戴安全帽的头部时，则获取不佩戴安全帽的人员信息，以实现准确检测未带安全帽的人员信息的目的。需要说明的是，本专利技术利用人员行为特征提取网络提取的特征同时用于目标检测及人体重识别，简化了模型复杂度，降低了模型训练时间及训练难度。
[0040]进一步，引入人体重识别模型，避免人脸识别的局限性，当人脸模糊，人脸朝向非正向情况下，可以使用人体重识别进行不戴安全帽违规人员识别，提高人员重识别算法的效率和适用性。
附图说明
[0041]图1为本专利技术的原理图；
[0042]图2为本专利技术的流程图；
[0043]图3为本专利技术的系统结构图；
[0044]图4为本专利技术中下采样卷积残差操作的流程图；
[0045]图5为本专利技术中卷积残差操作的流程图；
[0046]图6为本专利技术中多层特征融合操作的流程图。
具体实施方式
[0047]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，不是全部的实施例，而并非要限制本专利技术公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要的混淆本专利技术公开的概念。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0048]在附图中示出了根据本专利技术公开实施例的结构示意图。这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电厂不戴安全帽违规行为管控方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入到人员行为特征提取网络中，得到提取的特征；将所述提取的特征输入到违规人员目标检测网络中，当没有检测得到不佩戴安全帽的头部时，则输出不存在安全帽违规行为；当检测到不佩戴安全帽的头部时，则获取所述不佩戴安全帽的人员信息；输出不佩戴安全帽的人员信息。2.根据权利要求1所述的电厂不戴安全帽违规行为管控方法，其特征在于，所述获取所述不佩戴安全帽的头部的人员信息的具体过程为：将当前检测框输入到人脸重识别模型中，以识别出人脸，根据识别出来的人脸确认不佩戴安全帽的人员信息。3.根据权利要求1所述的电厂不戴安全帽违规行为管控方法，其特征在于，响应于未识别到人脸信息，所述获取所述不佩戴安全帽的头部的人员信息的具体过程为：将当前检测框输入到人体重识别分支网络中提取人员特征，再将提取的人员特征与人员底库中所有人员的特征进行距离匹配，以识别出不佩戴安全帽的人员信息。4.根据权利要求1所述的电厂不戴安全帽违规行为管控方法，其特征在于，所述将提取的人员特征与人员底库中所有人员特征进行距离匹配，以识别出不佩戴安全帽的人员信息的具体过程为：采用欧式距离计算提取的人员特征与人员底库中所有人员特征之间的相似度；计算Sum
ID
，其中，，其中，其中，e为衰减因子；选择Sum
ID
得分最高时对应的人员特征的人员信息作为不佩戴安全帽的人员信息。5.一种电厂不戴安全帽违规行为管控系统，其特征在于，包括：获取模块，用于获取待检测图像；特征提取模块，用于将所述待检测图像输入到人员行为特征提取网络中，得到提取的特征；检查模块，用于将所述提取的特征输入到违规人员目标检测网络中，当没有检测得到不佩戴安全帽的头部时，...

【专利技术属性】
技术研发人员：查玲，李军，王兴俊，吴有兵，林勇，高海东，高林，王林，周俊波，王明坤，米立海，王超，巩鹏，赵章明，董竞豪，
申请(专利权)人：华能陇东能源有限责任公司正宁电厂，
类型：发明
国别省市：