[发明专利]一种基于深度学习的安全帽佩戴识别方法

摘要

本发明的基于深度学习的安全帽佩戴识别方法，包括：a).视频图像采集；b).对些图像进行人工标注，标注内容为是否佩戴了安全帽，由此得到了由训练样本和测试样本组成的数据库；c).基于深度学习后的目标检测SSD网络，形成安全帽检测的神经网络目标检测模型；d).检测神经网络准确度，随着训练次数的增加，模型准确率也慢慢增长，最终收敛于99.8%，超过人类平均识别率；e).安全帽佩戴实时检测。本发明的基于深度学习的安全帽佩戴识别方法，通过卷积神经网络处理图片特征，获得神经网络模型，对模型进行不断训练，最终准确度较高得网络模型，为安全帽佩戴识别提供可靠的依据；降低了损失值从而优化了网络。

主权项

1.一种基于深度学习的安全帽佩戴识别方法，其特征在于，通过以下方法来实现：/na).视频图像采集，利用摄像头对待监控的现场作业情况进行视频采集，并对采集的视频进行分帧；/nb).建立数据库，采用SSD算法检测出步骤a)中获取的分帧图像中有人体出现的图像，并对这些图像进行人工标注，标注内容为是否佩戴了安全帽，由此得到了由训练样本和测试样本组成的数据库；/nc).搭建训练模型，基于深度学习后的目标检测SSD网络，作为训练神经网络，并在多次训练中调整神经网络参数，使得网络在迭代过程中损失函数趋于收敛，最终形成安全帽检测的神经网络目标检测模型；/nd).检测神经网络准确度，步骤c)中训练神经网络模型的过程中，一共进行50000次训练，每训练完20次测试一次模型的准确率，随着训练次数的增加，模型准确率也慢慢增长，最终收敛于99.8％，超过人类平均识别率；训练过程中测试样本数据不参与训练，只是用来评估网络准确率大小；/ne).安全帽佩戴实时检测，获取拍摄范围内的人物图片，利用训练好的神经网络目标检测模型识别出未佩戴安全帽的人员，实时语音报警。/n