[发明专利]一种基于安全帽佩戴识别的叉车安全作业检测方法

说明书

本发明公开了一种基于安全帽佩戴识别的叉车安全作业检测方法。解决现有技术中视频监控不能检测人员未佩戴安全帽、进行推动报警的问题。步骤包括识别图像中叉车、司机和行人；根据叉车和司机识别区域的重叠率判断获取候选叉车司机；裁剪候选叉车司机图像，识别图像中的人头像和安全帽；根据人头像或安全帽识别区域依次与行人识别区域、叉车识别区域上部、叉车识别区域上部中间区域的重叠率判断，获取叉车司机的人头像和安全帽识别结果；根据叉车司机的人头像和安全帽识别结果进行报警判断。本发明实现自动检测叉车司机未戴安全帽进行危险作业的情况，有效过滤掉行人路过叉车时导致的误报，实现铁路货场叉车司机未戴安全帽的准确检测。

技术领域

本发明涉及视频监控技术领域，尤其是涉及一种基于安全帽佩戴识别的叉车安全作业检测方法。

背景技术

近年来铁路货场安全事故频发，目前货运站场内主要通过制度和人防手段对场内人员及其作业过程进行管控，无论是监管力度还是监管效率都有待提高。货场内叉车司机作业过程中必须佩戴安全帽，当前虽然已经部署了传统的视频监控手段，但未充分发挥视频的优势，监控视频主要用于事后调查追溯，未能充分发挥视频智能分析、即时推送报警的优势，不能提前预知潜在的风险，提醒管理人员及时处理，将危险遏制在源头。

发明内容

本发明主要是解决现有技术中传统视频监控不能检测人员未佩戴安全帽、进行推动报警的问题，提供了一种基于安全帽佩戴识别的叉车安全作业检测方法。

本发明的上述技术问题主要是通过下述技术方案得以解决的：一种基于安全帽佩戴识别的叉车安全作业检测方法，对摄像机拍摄的作业区域图像进行分析，包括以下步骤：

S1.采用预训练的深度学习目标模型识别图像中叉车、司机和行人；

S2.根据叉车和司机识别结果判断进行作业判断，并根据叉车和司机识别区域的重叠率判断获取候选叉车司机；

S3.裁剪候选叉车司机图像，采用预训练的深度学习目标模型识别图像中的人头像和安全帽；

S4.根据人头像或安全帽识别区域依次与行人识别区域、叉车司机识别区域上部、叉车识别区域上部中间区域的重叠率判断，获取叉车司机的人头像和安全帽识别结果；

S5.根据叉车司机的人头像和安全帽识别结果进行报警判断。

本发明能够实现自动检测叉车司机未戴安全帽进行危险作业的情况，并能有效的过滤掉行人路过叉车时导致的误报，实现铁路货场叉车司机未戴安全帽的准确检测。

作为一种优选方案，所述步骤S1具体过程包括：

采集一帧实时监控图像；

采用预训练的深度学习目标模型识别图像中叉车、司机和行人，获得叉车、司机、行人识别结果；

其中叉车识别结果包括一个叉车的叉车识别框，以及叉车识别框左上顶点坐标和宽高，司机识别结果包括一个坐着的人的司机识别框，以及司机识别框左上顶点坐标和宽高，行人识别结果包括站立的人的行人识别框，以及行人识别框左上坐标和宽高。目标识别框为包围识别目标的矩形框。司机和行人通过站立和坐着来进行区分识别。深度学习目标模型为预先训练好的模型，识别模型采用现有技术中的模型。

作为一种优选方案，所述根据叉车和司机识别结果判断进行作业判断，包括：

判断是否识别出叉车，若无叉车，则跳过当前帧图像，进入下一帧图像分析，若有叉车，进入下一步判断；

判断叉车识别框是否满足第一条件，若不满足，则跳过当前帧图像，进入下一帧图像分析，若满足，进入下一步判断，其中第一条件为叉车识别框宽度大于q1且叉车识别框宽高比或高宽比小于p；p一般取小于1.5，q1一般取300，单位为像素。