[发明专利]一种配网现场作业安全带识别方法

权利要求书

1.一种配网现场作业安全带识别方法，其特征在于，包括以下步骤：

1)截取配网现场作业工作记录仪采集的视频帧作为图像样本集，完成样本数据集标注后，对图像数据集进行图像缩放，将样本图像尺寸调整为相同大小，并分为验证集和训练集，其中训练集大于所述验证集；

2)用训练集对YOLOv4模型进行训练，并利用验证集对训练后的YOLO v4模型进行验证，获得检测模型model1，并使用model1模型检测配网现场作业人员在图像中的位置坐标，根据model1得到的位置坐标向外膨胀相应的像素点，并从原始图像中截取配网作业人员图像，再将图像进行缩放，并对数据清洗，分类为系安全带和不系安全带两类；

3)改进Inception-v4的Inception-A模块，并训练model2模型，利用验证集对训练后的Inception-v4模型进行验证，获得识别模型model2，model2模型识别配网作业人员系安全带和不系安全带；

4)级联model1和model2模型，得到配网作业人员系安全带和不系安全带的类别和坐标位置，并通过类激活映射显示出安全带位置；

5)统计每一帧图像的识别结果，并确定视频中作业人员是否系安全带。

2.根据权利要求1所述的一种配网现场作业安全带识别方法，其特征在于：所述步骤1)中配网现场作业人员系安全带的图片样本，是通过现场工作记录仪采集作业视频，并将视频上传到监控中心，再将视频按帧截取得到的图片样本。

3.根据权利要求1所述的一种配网现场作业安全带识别方法，其特征在于：所述步骤2)中，图像膨胀是根据model1得到的左上角坐标和右下角坐标进行外扩，根据YOLOv4得到的坐标值进行裁剪会丢失作业人员的部分图像特征信息，坐标值外扩可以保留图像的特征信息，假设model1得到的坐标值为X₁(x₁，y₁)，X₂(x₂，y₂)对图像外扩n个像素点，得到

X′₁(x₁-n，y₁-n)，X′₂(x₂+n，y₂+n)，根据新得到的坐标点进行裁剪、数据清洗、类别分类得到Inception-v4的训练数据集。

4.根据权利要求1所述的一种配网现场作业安全带识别方法，其特征在于：所述步骤3)中，为了解决安全带差异较小的问题，对Inception-A改进：构建卷积块，其中所有激活层神经元使用不同的激活函数，激活层被定义为神经元层，AL将m个特征映射转换为新m个特征映射，通过激活函数f将卷积特征θⁿ变为新特征，即f(θⁿ)，AL(REL，SLG)表示新的卷积在每个CONV之后和POOL之前使用AL，括号内表示使用的激活函数，REL表示ReLu激活函数，SIG表示Sigmoid激活函数，TAN表示tanh激活函数，令CB为卷积层加激活层，可使用构建的CB改进Inception-A。

5.根据权利要求1所述的一种配网现场作业安全带识别方法，其特征在于：所述步骤4)中，model1和model2的级联模型，级联的方式可以充分发挥各自模型的优势，model1负责目标检测的识别，model2负责图像类别的识别，最后将model1得到的坐标信息和model2得到的类别信息通过类激活映射到原图像上得到作业人员是否系安全带的类别和安全的位置坐标信息。

6.根据权利要求1所述的一种配网现场作业安全带识别方法，其特征在于：所述步骤5)中，帧数统计是为了确定视频的识别结果，配网现场作业人员系安全带作业是一个连续的过程，需要对多帧图片进行检测识别，通过每一帧的检测结果确定最终的识别结果，其是使用统计比例的方式进行识别结果的判定，阈值设定为0.4，当识别到系安全带的帧数占视频总帧数大于等于0.4时，判定作业人员系安全带，小于0.4时判定作业人员不系安全带，这种方式增强了模型的鲁棒性。

7.根据权利要求1所述的一种配网现场作业安全带识别方法，其特征在于：所述步骤1)中训练集与所述验证集的比例为4:1。