一种安全设备穿戴检测方法及装置

本发明涉及图像处理领域，尤其是涉及一种安全设备穿戴检测方法及装置。

背景技术：

1、近年来，我国经济迅速发展，极大地推动了生产制造领域的发展。随着社会工业化水平的提高，工业生产的场景也愈加复杂，更多大型设备带来高效生产力的同时，也潜藏着许多安全隐患。因此，安全生产作为一直以来备受关注的主题，显得更为重要。社会调查显示，在作业中发生生产安全触电事故中，有多达67％的事故发生源于未穿戴正确的防护设备。因此，如果能够保证工人在进入生产作业空间时，个人穿戴装备满足相应的防护等级，便能大大降低工业生产制造中发生事故的几率。

2、目前，企业大多通过摄像机采集视频数据，并采用人工监管的方式来实现对于穿戴是否合格的监测，但这种方式存在着许多弊端：首先，对于具有较多生产车间的企业而言，大量场景的人工监管会大大增加人力成本；其次，长时间的人力监管很容易导致疲劳的产生，从而发生漏检、错检等现象；最后，人的判断具有主观因素，会受其情绪、工作状态等诸多因素的影响，不能保证做出完全客观的判断。

技术实现思路

1、本发明的目的就是为了提供一种安全设备穿戴检测方法及装置，对工人穿戴装备的合格情况进行检测，给出实时、准确、可视化的检测结果，兼具低成本与高性能的特点，有效满足工业作业安全需求，提高自动化程度，减少危险事故的发生。

2、本发明的目的可以通过以下技术方案来实现：

3、一种安全设备穿戴检测方法，包括以下步骤：

4、s1、通过rtsp协议获取网络摄像机捕获的视频帧图像；

5、s2、提取视频帧图像有效区域内的人体图像；

6、s3、利用alphapose算法对图像中的人体姿态进行估计，获取人体关节点坐标；

7、s4、根据人体关节点坐标定位检测区域，进行裁剪整理，得到训练集图像和测试集图像；

8、s5、利用训练集图像，基于yolov5算法进行目标检测模型的训练，基于resnet算法进行图像分类模型的训练，并结合数据增强以及迁移学习提高训练效果；

9、s6、将测试集图像送入训练完成的目标检测模型和图像分类模型，进行相应穿戴等级的合格性检测；

10、s7、采用滞回比较的思想基于多帧图像整合判断结果，将被检人员的穿戴检测情况进行实时可视化反馈。

11、所述提取视频帧图像有效区域内的人体图像的实现方式为：通过预先在地面标注指定的站立区域作为有效区域，并提取出待检测对象站立在有效区域内的人体图像。

12、所述s4具体为：根据人体关节点坐标以及各个检测部位的特点，定位检测区域，框选出不同检测部位的不同大小的检测框，进行裁剪整理，得到不同检测部位的训练集图像和测试集图像，其中，所述检测部位是指将需检测的穿戴项目，根据其所在部位的不同，划分为眼部、口部、躯干、左手、右手及足部六个检测部位。

13、所述目标检测模型用于检测样式较为统一的安全帽是否佩戴合格。

14、所述图像分类模型用于检测样式差异较大，手动标注困难的检测项目是否佩戴合格，其中，所述检测项目包括护目镜、防护面罩、口罩、防护服、工作服、一次性雨衣、乳胶手套、工作鞋、检测仪。

15、所述数据增强通过对图像的随机方向变换、大小变换和边缘变换扩大样本数量，并引入对抗样本实现，其中，所述随机方向变换包括垂直、水平方向的翻转及随机角度的旋转变换，所述大小变换为尺寸微调，所述边缘变换包括锐化和模糊变换。

16、所述迁移学习通过在载入预训练模型权重后，重新训练全连接层的方式进行迁移学习，通过较少的训练次数和较小的学习率添加并训练一层新的全连接层，达到对原始模型的微调效果。

17、所述s7具体为采用滞回比较的思想，基于最近预配置帧数的多帧图像中穿戴合格图像的占比与高、低阈值的比较，整合得到判断结果，并将被检人员的穿戴检测情况进行实时可视化反馈。

18、一种安全设备穿戴检测装置，包括：

19、安全检测等级选取模块，布置于前端，通过局域网与服务器连接，用于获取安全检测等级选取结果并发送至后端服务器，所述安全检测等级根据作业任务的不同分为四级，每级对应不同的穿戴项目；

20、图像采集装置，布置于前端，通过局域网与服务器连接，当接收到服务器发送的安全检测等级选取结果时，采集视频帧图像并发送至服务器；

21、服务器，布置于后端，用于运行如权利要求1-8中任一所述的安全设备穿戴检测方法，得到穿戴检测结果；

22、结果显示装置，布置于前端，用于可视化展示服务器发送的穿戴检测结果，通过显示屏和指示灯告知当前检测人员的安全设备穿戴情况是否合格：如果合格，则指示灯亮绿灯，显示屏显示通过信息，该人员可直接进入工作区，否则，指示灯亮红灯且显示屏标注不合格检测部位，该人员需重新调整穿戴并再次检测，直至符合要求。

23、所述穿戴项目包括：安全帽、护目镜、防护面罩、口罩、防护服、工作服、一次性雨衣、乳胶手套、工作鞋和检测仪。

24、所述安全检测等级分为i、ii、iii、iv四级防护，其中，

25、i级防护必须正确穿戴：安全帽、护目镜、防护面罩、防护服、工作服、乳胶手套、工作鞋、检测仪；

26、ii级防护必须正确穿戴：安全帽、护目镜、口罩、工作服、一次性雨衣、乳胶手套、工作鞋、检测仪；

27、iii级防护必须正确穿戴：口罩、工作服、乳胶手套、工作鞋、检测仪；

28、iv级防护必须正确穿戴：口罩、工作服、工作鞋。

29、与现有技术相比，本发明具有以下有益效果：

30、(1)本发明通过alphapose算法进行人体姿态估计，根据估计结果对视频帧图像进行检测区域裁剪、整理，基于yolov5算法实现了安全帽的目标检测，基于resnet算法实现了剩余装备的图像分类，涵盖检测范围广，且检测速度快，具有实用性。

31、(2)本发明在模型训练时，通过数据增强和迁移学习，成功实现了数据集的制作、增强，完成域变化时的模型迁移，解决了数据集缺乏的问题，并通过滞回比较判定结果，判断结果准确性更高，提高了模型的训练精度和检测精度。

32、(3)本发明能够准确、快速、便捷地实现工厂工人穿戴装备的实时自动化判定，保障生产安全。

33、(4)本发明实现了自动化的安全设备穿戴检测，规避了人工检测存在的不客观因素的影响，节省了人力资源，降低了人力成本。

技术特征：

1.一种安全设备穿戴检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种安全设备穿戴检测方法，其特征在于，所述提取视频帧图像有效区域内的人体图像的实现方式为：通过预先在地面标注指定的站立区域作为有效区域，并提取出待检测对象站立在有效区域内的人体图像。

3.根据权利要求1所述的一种安全设备穿戴检测方法，其特征在于，所述s4具体为：根据人体关节点坐标以及各个检测部位的特点，定位检测区域，框选出不同检测部位的不同大小的检测框，进行裁剪整理，得到不同检测部位的训练集图像和测试集图像，其中，所述检测部位是指将需检测的穿戴项目，根据其所在部位的不同，划分为眼部、口部、躯干、左手、右手及足部六个检测部位。

4.根据权利要求1所述的一种安全设备穿戴检测方法，其特征在于，所述目标检测模型用于检测样式较为统一的安全帽是否佩戴合格。

5.根据权利要求1所述的一种安全设备穿戴检测方法，其特征在于，所述图像分类模型用于检测样式差异较大，手动标注困难的检测项目是否佩戴合格，其中，所述检测项目包括护目镜、防护面罩、口罩、防护服、工作服、一次性雨衣、乳胶手套、工作鞋、检测仪。

6.根据权利要求1所述的一种安全设备穿戴检测方法，其特征在于，所述数据增强通过对图像的随机方向变换、大小变换和边缘变换扩大样本数量，并引入对抗样本实现，其中，所述随机方向变换包括垂直、水平方向的翻转及随机角度的旋转变换，所述大小变换为尺寸微调，所述边缘变换包括锐化和模糊变换。

7.根据权利要求1所述的一种安全设备穿戴检测方法，其特征在于，所述迁移学习通过在载入预训练模型权重后，重新训练全连接层的方式进行迁移学习，通过较少的训练次数和较小的学习率添加并训练一层新的全连接层，达到对原始模型的微调效果。

8.根据权利要求1所述的一种安全设备穿戴检测方法，其特征在于，所述s7具体为采用滞回比较的思想，基于最近预配置帧数的多帧图像中穿戴合格图像的占比与高、低阈值的比较，整合得到判断结果，并将被检人员的穿戴检测情况进行实时可视化反馈。

9.一种安全设备穿戴检测装置，其特征在于，包括：

10.根据权利要求9所述的一种安全设备穿戴检测装置，其特征在于，所述穿戴项目包括：安全帽、护目镜、防护面罩、口罩、防护服、工作服、一次性雨衣、乳胶手套、工作鞋和检测仪。

技术总结
本发明涉及一种安全设备穿戴检测方法及装置，其中方法包括：获取网络摄像机捕获的视频帧图像；提取视频帧图像有效区域内的人体图像；利用AlphaPose算法对图像中的人体姿态进行估计，获取人体关节点坐标；根据人体关节点坐标定位检测区域，进行裁剪整理，得到训练集图像和测试集图像；利用训练集图像，基于YOLOv5算法进行目标检测模型训练，基于ResNet算法进行图像分类模型训练，并结合数据增强及迁移学习提高训练效果；将测试集图像送入训练完成的目标检测模型和图像分类模型，进行相应穿戴等级的合格性检测；采用滞回比较的思想基于多帧图像整合判断结果，将被检人员的穿戴检测情况进行实时可视化反馈。与现有技术相比，本发明具有检测方便、结果精确等优点。

技术研发人员：陈启军,刘成菊,王瀚
受保护的技术使用者：同济大学
技术研发日：
技术公布日：2024/1/13