[发明专利]一种基于深度学习的安全帽佩戴监测方法及系统

权利要求书

1.一种基于深度学习的安全帽佩戴监测方法，其特征在于，包括如下步骤：

S1，输入视频流，从视频流中抽取视频帧；

S2，对抽取的视频帧进行预处理，形成头肩特征图，检测出人员的头肩位置，并进行头肩区域外扩，形成头肩及外扩区域视频帧；

S3，对头肩及外扩区域视频帧进行预处理，形成安全帽特征图，检测出人员是否佩戴安全帽；

S4，对未佩戴安全帽的行为进行预警，并进入下一视频帧的处理；当检测到佩戴了安全帽则直接进入下一视频帧的处理。

2.根据权利要求1所述的一种基于深度学习的安全帽佩戴监测方法，其特征在于，步骤S2具体包括如下步骤：

S21，从视频流中提取较大尺寸的视频帧；

S22，将视频帧缩放到SSD目标检测模型的规定尺寸并输入给SSD目标检测模型；

S23，从经过缩放的视频帧中由浅层到深层提取6层头肩特征图；

S24，由浅层特征图到深层特征图中分别设置多个不同长宽比及尺寸的预选框，预选框的数量由浅层特征图到深层特征图逐渐减少；

S25，由SSD目标检测模型判断预选框中的对象是否为头肩；

S26，将确定为包含头肩的头肩特征图进行头肩区域外扩，形成头肩及外扩区域视频帧。

3.根据权利要求1所述的一种基于深度学习的安全帽佩戴监测方法，其特征在于，步骤S3具体包括如下步骤：

S31，输入头肩及外扩区域视频帧；

S32，将头肩及外扩区域视频帧缩放到SSD目标检测模型规定的尺寸；

S33，从头肩及外扩区域视频帧中提取3层安全帽特征图；

S34，在每一层安全帽特征图设置1或2个预选框；

S35，由SSD目标检测模型判断预选框中的对象是否为安全帽。

4.一种基于深度学习的安全帽佩戴监测系统，其特征在于，包括头肩检测模块和安全帽检测模块；

所述头肩检测模块包括视频数据预处理单元、头肩检测单元；

所述安全帽检测模块包括头肩数据预处理单元、安全帽检测单元；

所述头肩检测模块用于检测头肩部位，所述安全帽检测模块用于检测头部是否存在安全帽；

所述视频数据预处理单元用于从视频帧中抽取头肩特征图；

所述头肩数据预处理单元用于从头肩及外扩区域视频帧中抽取安全帽特征图。

5.根据权利要求4所述的基于深度学习的安全帽佩戴监测系统，其特征在于，所述视频数据预处理单元采用MobileNet网络模型，从视频帧中抽取头肩特征图。

6.根据权利要求4所述的基于深度学习的安全帽佩戴监测系统，其特征在于，所述头肩数据预处理单元采用残差模型，从头肩及外扩区域视频帧中抽取安全帽特征图。