一种基于连续帧的安全帽检测方法及系统与流程

1.本发明涉及计算机视觉相关技术领域，具体涉及一种基于连续帧的安全帽检测方法及系统。

背景技术：

2.现目前，计算机视觉技术已经有了相当广泛的运用场景，尤其是在视频监控领域，其可以代替人类对目标区域进行实时监控，可节省大量人力、财力成本，例如针对于建筑施工现场、油气田作业现场，为保护施工人员的生命安全，会要求相关施工人员在进入施工现场或油气田作业现场内，必须佩戴安全帽，但存在个别有侥幸心理的工作人员不会佩戴安全帽，从而存在安全隐患；此时，基于计算机视觉技术的安全帽检测方式应运而生，依靠计算机视觉技术对实时监控画面进行识别，就可对目标区域内未佩戴安全帽的不规范行为进行识别，从而极大降低了监管成本。
3.但传统的安全帽检测普遍存在误识别、漏识别的低精度问题，以及检测速度稍慢等时效性问题，因大部分针对于安全帽检测的研究普遍采用先检测行人或者人脸，再定位头部这种两阶段的检测方法，一旦存在将行人或者人脸漏检，就会影响安全帽的检测精度。

技术实现要素：

4.有鉴于此，本发明的一个方面公开了一种基于连续帧的安全帽检测方法。
5.基于连续帧的安全帽检测方法包括：
6.获取目标区域实时视频流；
7.将获取的实时视频流按帧处理为待检测图片；
8.对待检测图片进行检测，当检测结果为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行检测，若其检测结果均为未佩戴安全帽且n大于等于第一预设值n时，发出预警。
9.根据本发明的一个优选实施方式，还包括：在发出预警后，对第n帧后接下来的连续m帧进行检测，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，终止预警。
10.根据本发明的一个优选实施方式，将获取的实时视频流按帧处理为待检测图片包括：对实时视频流进行resize操作，从而将实时视频流处理为待检测图片。
11.根据本发明的一个优选实施方式，将获取的实时视频流按帧处理为待检测图片包括：对目标区域实时监控视频流按照设置的抽帧间隔进行抽帧处理，获取抽帧图片作为待检测图片。
12.根据本发明的一个优选实施方式，将获取的实时视频流按帧处理为待检测图片还包括：对抽帧图片进行翻转、裁剪和/或放缩，进行数据增强，获取待检测图片。
13.根据本发明的一个优选实施方式，对待检测图片进行检测包括：
14.设置主分类器模型并对主分类器模型进行训练；
15.设置子分类器模型并对子分类器模型进行训练；
16.将待检测图片送入主分类器模型进行检测；当检测到主分类器模型目标对象时，送入子分类器模型进行分类，当分类结果为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行主分类器模型检测和子分类器模型分类，若待检测图片接下来的连续n帧的检测结果均为未佩戴安全帽且n大于等于第一预设值n时，发出预警。
17.根据本发明的一个优选实施方式，在发出预警后，对第n帧后接下来的连续m帧进行主分类器模型检测和子分类器模型分类，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，终止预警。
18.根据本发明的一个优选实施方式，主分类器模型是通过对处理完成的视频画面以及提前标注的主分类器目标对象位置区域和类别训练得到；子分类器模型是通过主分类器目标对象画面中包括多张佩戴安全帽的头部图片和未佩戴安全帽的头部图片以及提前标注的类别训练得到。
19.本发明的另一个方面公开了一种基于连续帧的安全帽检测系统，其包括：
20.实时视频流采集模块，用于获取目标区域实时视频流；
21.数据预处理模块，用于将获取的实时视频流按帧处理为待检测图片；
22.分类器模型检测模块，用于对图片进行检测，对待检测图片进行检测，当检测结果为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行检测，若其检测结果均为未佩戴安全帽且n大于等于第一预设值n时，将检测结果送入预警与终止预警模块，发出预警；或者，在发出预警后，对第n帧后接下来的连续m帧进行检测，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，将检测结果送入预警与终止预警模块，终止预警；
23.以及
24.预警与终止预警模块，用于根据分类器模型检测模块的检测结果发出或终止预警。
25.根据本发明的一个优选实施方式，分类器模型检测模块包括主分类器模型检测模块和子分类器模型模块。
26.本发明实施例公开的一种基于连续帧的安全帽检测方法及系统中的上述一个或多个技术方案至少具有如下技术效果之一：
27.首先，本发明的基于连续帧的安全帽检测方法及系统改善了传统安全帽检测方法中依靠监管人员人工监控的方式，大大降低了人工成本；
28.其次，本发明的基于连续帧的安全帽检测方法及系统解决了在类似建筑工地和油气田生产现场环境下，未佩戴安全帽行为难以监管的问题，可用于类似与建筑工地和油气田生产现场等环境中24小时实时监管；
29.最后，本发明的基于连续帧的安全帽检测方法及系统极大的降低了安全帽检测的误报率，提升了使用者的体验感和满意度。
30.综上，本发明的基于连续帧的安全帽检测方法及系统能够实时地对施工现场中的作业人员未佩戴安全帽行为进行识别和报警，极大的降低了误报率，保证施工现场的安全生产，解决在施工现场中对于作业人员未佩戴安全帽行为难以监管的问题。
附图说明
31.图1是本发明实施例的基于连续帧的安全帽检测方法及系统中系统结构示意图；
32.图2是本发明实施例的基于连续帧的安全帽检测方法及系统中检测方法的流程示意图。
具体实施方式
33.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
34.下面将参考附图并结合实施例来详细说明本发明。
35.本发明实施例的一个方面公开了一种基于连续帧的安全帽检测方法。
36.该基于连续帧的安全帽检测方法包括：
37.获取目标区域实时视频流；
38.将获取的实时视频流按帧处理为待检测图片；
39.对待检测图片进行检测，当检测结果为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行检测，若其检测结果均为未佩戴安全帽且n大于等于第一预设值n时，发出预警。
40.进一步的，在发出预警后，对第n帧后接下来的连续m帧进行检测，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，终止预警。
41.其中，将获取的实时视频流按帧处理为待检测图片可以包括：
42.对实时视频流进行resize操作，从而将实时视频流处理为待检测图片。
43.具体的，将获取的实时视频流按帧处理为待检测图片包括：
44.对目标区域实时监控视频流按照设置的抽帧间隔进行抽帧处理，获取抽帧图片作为待检测图片。
45.进一步的，将获取的实时视频流按帧处理为待检测图片还包括：
46.对抽帧图片进行翻转、裁剪和/或放缩，进行数据增强，获取待检测图片。
47.其中，对待检测图片进行检测包括：
48.设置主分类器模型并对主分类器模型进行训练；
49.设置子分类器模型并对子分类器模型进行训练；
50.将待检测图片送入主分类器模型进行检测；当检测到主分类器模型目标对象时，送入子分类器模型进行分类，当分类结果为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行主分类器模型检测和子分类器模型分类，若待检测图片接下来的连续n帧的检测结果均为未佩戴安全帽且n大于等于第一预设值n时，发出预警。
51.主分类器模型是通过对处理完成的视频画面以及提前标注的主分类器目标对象位置区域和类别训练得到；
52.子分类器模型是通过主分类器目标对象画面中包括多张佩戴安全帽的头部图片和未佩戴安全帽的头部图片以及提前标注的类别训练得到。
53.其中，在发出预警后，对第n帧后接下来的连续m帧进行主分类器模型检测和子分类器模型分类，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，终止预警。
54.具体的，如图2所示，本实施例的基于连续帧的安全帽检测方法的具体包括如下步骤：
55.步骤一、对实时监控视频流按照设置的抽帧间隔进行抽帧处理；
56.步骤二、对抽帧得到的图片进行翻转、裁剪、放缩等预处理操作，进行数据增强；
57.步骤三、通过标注工具对图片进行标注，包括检测目标位置区域和类别，作为主分类器，然后标注子目标的关键点位置和类别，作为子分类器；
58.步骤四、训练主分类器模型，并依据训练结果对训练参数进行调整，直至模型在测试集上的准确率大于设定的预期值，将预处理图像传入主分类器模型进行目标检测处理；
59.步骤五、训练子分类器模型，并依据训练结果对训练参数进行调整，直至模型在测试集上的准确率大于设定的预期值。当步骤四中检测到目标对象时，将步骤四的目标对象作为输入，传入子分类器模型进行分类处理；
60.步骤六、在步骤四中，成功检测到主分类器目标对象后，将主分类器目标对象送入子分类器进行分类，当分类结果为未佩戴安全帽时，继续对接下来的连续n帧进行上述步骤四和步骤五的处理，若检测结果都为未佩戴安全帽并且n大于等于某个预设值，例如25时，发出预警，目标现场出现未佩戴安全帽的情况；
61.步骤七、当出现未佩戴安全帽的预警时，系统会对接下的连续m帧进行上述步骤四和步骤五的处理，若检测结果都为佩戴安全帽并且m大于等于某个预设值，例如25时，系统终止预警。至此为一次预警的发出和终止的步骤。
62.本实施例的基于连续帧的安全帽检测方法根据连续n帧和m帧视频画面针对于目标区域下目标对象是否佩戴安全帽而发出或终止预警信息，包括：
63.当子分类器分类结果为未佩戴安全帽时，将会对接下来的连续n帧视频画面进行处理判断，并得到相应的子分类器分类结果，若这n帧视频画面的分类结果都为未佩戴安全帽并且n的数值大于等于n时，对目标区域发出未佩戴安全帽预警，n为第一预设值；
64.当发出未佩戴安全帽的预警后，系统会接下来的连续m帧视频画面进行处理判断，并得到相应的子分类器分类结果，若这m帧视频画面的分类结果都为佩戴安全帽并且m的数值大于等于m时，预警和终止预警模块终止对目标区域的预警，m为第二预设值。
65.其中，对接下来的连续n帧画面进行处理判断，若未能得到这n帧视频画面都是未佩戴安全帽的检测结果，则继续对此刻接下来的n帧视频画面进行处理判断，直到满足上述预警条件，否则不发出预警信息；若已发出预警信息，会对接下来的连续m帧视频画面进行处理判断，若未能得到这m帧视频画面都是已佩戴安全帽的检测结果，则继续对此刻接下来的m帧视频画面继续处理判断，直到满足上述终止预警条件，否则将会持续发出预警信息。
66.从而使得本发明的基于连续帧的安全帽检测方法及系统能够实时地对施工现场中的作业人员未佩戴安全帽行为进行识别和报警，极大的降低了误报率，保证施工现场的安全生产，解决在施工现场中对于作业人员未佩戴安全帽行为难以监管的问题。
67.本发明的另一个发明公开了一种基于连续帧的安全帽检测系统。该基于连续帧的安全帽检测系统包括：
68.实时视频流采集模块，用于获取目标区域实时视频流；
69.数据预处理模块，用于将获取的实时视频流按帧处理为待检测图片；
70.分类器模型检测模块，用于对图片进行检测，对待检测图片进行检测，当检测结果
为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行检测，若其检测结果均为未佩戴安全帽且n大于等于第一预设值n时，将检测结果送入预警与终止预警模块，发出预警；或者，在发出预警后，对第n帧后接下来的连续m帧进行检测，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，将检测结果送入预警与终止预警模块，终止预警；
71.以及
72.预警与终止预警模块，用于根据分类器模型检测模块的检测结果发出或终止预警。
73.其中，分类器模型检测模块包括主分类器模型检测模块和子分类器模型模块。
74.示例性的，如图1所示，在本实施例中，该基于连续帧的安全帽检测系统具体包括在设定的检测区域内采集视频流的视频流采集模块，对采集到的视频流进行resize缩放等预处理操作的数据预处理模块，对处理好的图片针对主分类器目标对象进行检测的主分类器检测模块，主分类器目标对象是指从处理完成的视频画面中检测到的类似于建筑施工、油气田作业现场的作业人员的肩部以上的头部区域，对主分类器输出的图片针对子分类器目标对象进行分类的子分类器检测模块，子分类器目标对象是指主分类器目标对象的具体类别，包括未佩戴安全帽以及佩戴安全帽，根据子分类器模块的分类结果，判断是否对检测区域进行预警的预警与终止预警模块。
75.具体的，实时视频流采集模块可以通过目标场景中安置的监控摄像头，实时采集视频流送入数据预处理模块，数据预处理模块首先对送入的实时视频画面进行resize等操作，将处理好的图片送入主分类器检测模块，主分类器检测模块可以对处理好的图片针对主分类器目标对象进行检测，主分类器目标对象为建筑施工场所或油气田作业现场中作业人员的肩部以上的头部区域，当检测到主分类器目标对象，送入子分类器模块，针对子分类器目标对象进行分类，子分类器目标对象是指主分类器目标对象的具体类别，包括未佩戴安全帽以及佩戴安全帽，进行分类得到输出结果，送入预警和终止预警模块，预警和终止预警模块可以针对子分类器分类的输出结果对目标场景中是否佩戴安全帽行为进行预警和终止预警。
76.其中，通过主分类器模型对当前视频画面进行检测，主分类器模型是通过对处理完成的视频画面以及提前标注的主分类器目标对象位置区域和类别训练得到。
77.其中，通过子分类器模型对主分类器模型输出的主分类器目标对象画面进行分类，子分类器模型是通过主分类器目标对象画面包括多张佩戴安全帽的头部图片和未佩戴安全帽的头部图片以及提前标注的类别训练得到。
78.其中，通过子分类器模型输出的分类结果，预警和终止预警模块判断是否对目标检测区域进行预警，分类结果是指在进行标注时，对主分类器目标对象的标注类别，包括未佩戴安全帽、佩戴安全帽。
79.其工作过程在于：
80.从的实时视频流采集模块采集实时视频送入数据预处理模块，在数据预处理模块中对送入的实时视频流进行resize缩放等操作；
81.将处理好的图片送入主分类器检测模块，对处理好的图片针对主分类器目标对象进行检测，主分类器目标对象为建筑施工场所或油气田作业现场中作业人员的肩部以上的头部区域；
82.当检测到主分类器目标对象，送入子分类器模块，针对子分类器目标对象进行分类，子分类器目标对象是指主分类器目标对象的具体类别，包括未佩戴安全帽以及佩戴安全帽，进行分类得到输出结果；
83.将上述分类结果送入预警和终止预警模块。
84.具体的：
85.(1)从上述视频流采集模块获取实时视频流，并通过数据预处理模块进行抽帧等预处理；
86.(2)将经过数据预处理模块的图片经过主分类器检测模块和子分类器模块进行推理，得到检测结果；
87.(3)将检测结果送入预警和终止预警模块，具体流程为若(2)中的检测结果为未佩戴安全帽时，将会继续对接下来的连续n帧进行检测，若其检测结果都为未佩戴安全帽以及n大于等于某个预设值，例如25时，预警和终止预警模块发出预警，目标场景出现未佩戴安全帽行为；若预警和终止预警模块发出预警时，将会对接下来的连续m帧进行检测，若其检测结果都为佩戴安全帽以及m大于等于某个预设值，例如25时，预警和终止预警模块终止预警，目标场景恢复正常，未佩戴安全帽行为已被制止。
88.本发明实施例公开的一种基于连续帧的安全帽检测方法及系统中的上述一个或多个技术方案至少具有如下技术效果之一：
89.首先，本发明的基于连续帧的安全帽检测方法及系统改善了传统安全帽检测方法中依靠监管人员人工监控的方式，大大降低了人工成本；
90.其次，本发明的基于连续帧的安全帽检测方法及系统解决了在类似建筑工地和油气田生产现场环境下，未佩戴安全帽行为难以监管的问题，可用于类似与建筑工地和油气田生产现场等环境中24小时实时监管；
91.最后，本发明的基于连续帧的安全帽检测方法及系统极大的降低了安全帽检测的误报率，提升了使用者的体验感和满意度。
92.综上，本发明的基于连续帧的安全帽检测方法及系统能够实时地对施工现场中的作业人员未佩戴安全帽行为进行识别和报警，极大的降低了误报率，保证施工现场的安全生产，解决在施工现场中对于作业人员未佩戴安全帽行为难以监管的问题。
93.需要注意的是，本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
94.另外，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。

技术特征：

1.一种基于连续帧的安全帽检测方法，其特征在于，其包括：获取目标区域实时视频流；将获取的实时视频流按帧处理为待检测图片；对待检测图片进行检测，当检测结果为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行检测，若其检测结果均为未佩戴安全帽且n大于等于第一预设值n时，发出预警。2.根据权利要求1的基于连续帧的安全帽检测方法，其特征在于，还包括：在发出预警后，对第n帧后接下来的连续m帧进行检测，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，终止预警。3.根据权利要求1的基于连续帧的安全帽检测方法，其特征在于，将获取的实时视频流按帧处理为待检测图片包括：对实时视频流进行resize操作，从而将实时视频流处理为待检测图片。4.根据权利要求1的基于连续帧的安全帽检测方法，其特征在于，将获取的实时视频流按帧处理为待检测图片包括：对目标区域实时监控视频流按照设置的抽帧间隔进行抽帧处理，获取抽帧图片作为待检测图片。5.根据权利要求4的基于连续帧的安全帽检测方法，其特征在于，将获取的实时视频流按帧处理为待检测图片还包括：对抽帧图片进行翻转、裁剪和/或放缩，进行数据增强，获取待检测图片。6.根据权利要求1的基于连续帧的安全帽检测方法，其特征在于，对待检测图片进行检测包括：设置主分类器模型并对主分类器模型进行训练；设置子分类器模型并对子分类器模型进行训练；将待检测图片送入主分类器模型进行检测；当检测到主分类器模型目标对象时，送入子分类器模型进行分类，当分类结果为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行主分类器模型检测和子分类器模型分类，若待检测图片接下来的连续n帧的检测结果均为未佩戴安全帽且n大于等于第一预设值n时，发出预警。7.根据权利要求2的基于连续帧的安全帽检测方法，其特征在于，在发出预警后，对第n帧后接下来的连续m帧进行主分类器模型检测和子分类器模型分类，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，终止预警。8.根据权利要求6的基于连续帧的安全帽检测方法，其特征在于，所述主分类器模型是通过对处理完成的视频画面以及提前标注的主分类器目标对象位置区域和类别训练得到；所述子分类器模型是通过主分类器目标对象画面中包括多张佩戴安全帽的头部图片和未佩戴安全帽的头部图片以及提前标注的类别训练得到。9.一种基于连续帧的安全帽检测系统，其特征在于，其包括：实时视频流采集模块，用于获取目标区域实时视频流；数据预处理模块，用于将获取的实时视频流按帧处理为待检测图片；分类器模型检测模块，用于对所述图片进行检测，对待检测图片进行检测，当检测结果为未佩戴安全帽时，继续对待检测图片接下来的连续n帧进行检测，若其检测结果均为未佩
戴安全帽且n大于等于第一预设值n时，将检测结果送入预警与终止预警模块，发出预警；或者，在发出预警后，对第n帧后接下来的连续m帧进行检测，若其检测结果均为佩戴安全帽且m大于等于第二预设值m时，将检测结果送入预警与终止预警模块，终止预警；以及预警与终止预警模块，用于根据分类器模型检测模块的检测结果发出或终止预警。10.根据权利要求9所述的基于连续帧的安全帽检测系统，其特征在于，所述分类器模型检测模块包括主分类器模型检测模块和子分类器模型模块。

技术总结

本发明实施例公开了一种基于连续帧的安全帽检测方法及系统。所述方法包括：获取目标区域实时视频流；将获取的实时视频流按帧处理为待检测图片；对待检测图片进行检测，当检测结果为未佩戴安全帽时，继续对待检测图片接下来的连续N帧进行检测，若其检测结果均为未佩戴安全帽且N大于等于第一预设值n时，发出预警。在发出预警后，对第N帧后接下来的连续M帧进行检测，若其检测结果均为佩戴安全帽且M大于等于第二预设值m时，终止预警。本发明能够实时地对施工现场中的作业人员未佩戴安全帽行为进行识别和报警，极大的降低了误报率，保证施工现场的安全生产，解决在施工现场中对于作业人员未佩戴安全帽行为难以监管的问题。业人员未佩戴安全帽行为难以监管的问题。业人员未佩戴安全帽行为难以监管的问题。