[发明专利]一种特定场所人员着装是否规范的判定方法

权利要求书

1.一种特定场所人员着装是否规范的判定方法，其特征在于，包括以下步骤：

步骤(1)、收集正确穿戴防护服的人物照片，作为正样本图片集；收集没有穿戴防护服的人物照片，作为负样本图片集；

步骤(2)、使用YOLO V3算法遍历正负样本图片集，提取人物区域，输出单人单张的图片，形成正负样本数据集；

步骤(3)、将正负样本数据集分别划分为训练数据集和测试数据集；

步骤(4)、构建MobileNet V2深度神经网络模型；

步骤(5)、使用训练数据集训练深度神经网络模型，输入正样本，该网络的输出为1，输入为负样本，则该网络的输出应为0；训练过程中，每当完成一次对整个样本集的迭代，即用测试数据集对深度神经网络模型进行测试，当检测准确率达到精度要求时，则训练完成；

步骤(6)、将训练好的深度神经网络模型部署在视觉分析系统中，分析视频监控设备采集的视频流数据，检测防护服穿戴情况。

2.根据权利要求1中所述的一种特定场所人员着装是否规范的判定方法，其特征在于，上述步骤(2)的具体流程如下：

(2.1)、遍历正样本图片集，使用YOLO V3算法检测每张图片；

(2.2)、筛选检测结果，只处理检测类型为人的数据；根据检测结果中的坐标信息，从原图提取对应区域保存为图片，形成正样本数据集；

(2.3)、按照上面两个步骤(2.1)、(2.2)，对负样本图片集进行同样的操作，得到负样本数据集。

3.根据权利要求1中所述的一种特定场所人员着装是否规范的判定方法，其特征在于，上述步骤(5)的具体流程如下：

(5.1)、将训练集中样本分批次输入到深度神经网络模型；

(5.2)、训练时，输入正样本，输出结果应该为1；输入负样本，输出结果应为0；采用交叉熵损失函数计算输出结果和期望值的差，通过随机梯度下降法不断调整深度神经网络模型的参数；

(5.3)、经过一段数量的迭代后，深度神经网络模型的输出结果和期望值的差不断变小，趋向稳定；每完成一次迭代，在测试数据集上对该网络模型进行测试；若测试精度没有达到要求，则回到步骤(5.1)，重新训练；若测试精度达到要求，则完成了整个训练过程。

4.根据权利要求1中所述的一种特定场所人员着装是否规范的判定方法，其特征在于，上述步骤(6)的具体流程如下：

(6.1)、使用RTSP实时视频流协议获取监控设备的实时视频流；

(6.2)、对接收到的视频数据包进行解码，得到序列帧数据；用于传输的图像是YUV格式，通过标准YUV转换公式，将帧数据转换为RGB格式，并对RGB三个颜色通道的数据进行归一化处理；

(6.3)、将处理后的帧数据输入到YOLO V3算法，检测画面中的人物并获取位置信息；

(6.4)、根据YOLO V3的检测结果，提取人物区域，得到新的图像，输入到训练后的深度神经网络模型中，检测该人物的防护服穿戴情况；

(6.5)、结果为1，说明正确穿戴防护服；为0则表明没有穿戴防护服，发送警告，并将帧画面保存为图片，作为检测依据。