安全帽識別需求項目方案書[共11頁]

1、基于計算機視覺的安全帽自動識別技術(shù)設(shè)計方案上海交通大學二零一八年元月上海交通大學 基于計算機視覺的安全帽自動識別技術(shù)設(shè)計方案第一章 項目研究開 發(fā)內(nèi)容及目標1 、申請項目的意義在施工現(xiàn)場，安全帽作為一種最常見和實用的個人防護用具，能夠有效地防止和減輕外來危險源對頭部的傷害。 然而，長期以來，我國施工區(qū)作業(yè)人員普遍存在綜合素質(zhì)低、安全意識不強的問題，尤其缺乏基礎(chǔ)防護設(shè)施 (如安全帽) 的佩戴意識，大大增加了作業(yè)風險。傳統(tǒng)的人工監(jiān)管存在如下缺點：一、人力成本增加；二、人工長時間監(jiān)控易疲勞， 致使監(jiān)控的疏忽、 遺漏或者誤判安全隱患；三、人工監(jiān)控和人員情緒、狀態(tài)、工作經(jīng)驗、性格和生活條件的影響，安全判

2、別帶有強烈的主觀意識，缺乏客觀性。因此，人工檢查存在監(jiān)管費用高、 主觀干擾大、 不能全程監(jiān)控等一系列問題。隨著現(xiàn)代科學技術(shù)的發(fā)展， 圖像監(jiān)控系統(tǒng)的應用范圍越來越廣，各級施工安全監(jiān)管部門對作業(yè)人員的要求逐步提高，許多示范工程已經(jīng)率先采用各種智能監(jiān)控手段保障作業(yè)人員的人身安全。該手段能夠滿足施工單位及各級安全監(jiān)管部門的實際監(jiān)管需求，切實保障施工區(qū)作業(yè)人員的人身財產(chǎn)安全。近年來，深度學習（ Deep learning）及計算機視覺，在語音識別和圖像處理中的成功應用，使其成為機器學習中一個新的方向。計算機視覺就是給計算機裝上眼睛（照相機）和大腦（算法） ，讓計算第 2 頁 共 11 頁上海交通大學 基

3、于計算機視覺的安全帽自動識別技術(shù)設(shè)計方案機可以感知周圍的環(huán)境。目前計算機視覺研究主要集中在基礎(chǔ)應用場景，像圖片分類、物體識別、人臉的 3D 建模等。機器學習的本質(zhì)其實是為了找到一個函數(shù)，讓這個函數(shù)在不同的領(lǐng)域會發(fā)揮不同的作用。基于計算機視覺的安全帽自動識別技術(shù)設(shè)計通過在施工現(xiàn)場布設(shè)視頻監(jiān)控設(shè)備或利用現(xiàn)有的施工監(jiān)控設(shè)備，采用機器視覺的相關(guān)方法進行安全帽的自動識別，可以實現(xiàn)對作業(yè)人員安全帽佩戴情況信息的全程快速識別，在降低監(jiān)管費用的同時提升了監(jiān)管信息化水平。國內(nèi)外現(xiàn)有的安全帽自動識別技術(shù)，大致有以下幾種主要方式：（1） 基于小波變換和 BP 神經(jīng)網(wǎng)絡(luò)的安全帽識別，提出了安全帽識別神經(jīng)網(wǎng)絡(luò)模型 ;（

4、2） 基于膚色檢測的方法進行人臉定位， 再利用支持向量機 ( SVM)模型實現(xiàn)安全帽的識別 ;（3） 基于像素點色度值分布情況的安全帽識別， 通過檢測運動目標1 /3 部分中的色度值分布情況，判斷是否佩戴安全帽及識別安全帽的顏色。經(jīng)全面查詢分析， 這些方法在特定場景下均可實現(xiàn)對安全帽的精確識別，但也存在對環(huán)境要求高、識別率波動大、易受環(huán)境干擾等一系列問題。基于計算機視覺的安全帽自動識別技術(shù)（ Tensorflow 檢測原第 3 頁 共 11 頁上海交通大學 基于計算機視覺的安全帽自動識別技術(shù)設(shè)計方案理 ）設(shè)計方案， 是在對安全帽的識別研究的基礎(chǔ)上提出來的， 國內(nèi)外都沒有較為成熟的報道。此項技術(shù)

5、的研究，提出了新的施工現(xiàn)場檢測技術(shù)方案，彌補了現(xiàn)有識別技術(shù)的不足，是施工現(xiàn)場自動化檢測特別是安全生產(chǎn)急需解決的關(guān)鍵問題。2 、研究內(nèi)容(1) 圖像信息獲取。 為項目收集圖像，可以從施工現(xiàn)場進行拍攝，也創(chuàng)建了一個施工現(xiàn)場的視頻，并使用 Opencv從視頻中提取圖像。(2) 信息加工和預處理。 在對安全帽圖像識別之前 , 要進行圖像的預處理。(3) 分類及特征抽取。由于施工人員和路人有明顯的特征，經(jīng)過樣本訓練和學習，能夠?qū)⑷宋镞M行分類，主要分為施工人員和路人。 特征提取 （如顏色、外形） 是進行人體判別和跟蹤的關(guān)鍵，也是進行安全帽位置界定的關(guān)鍵，特征提取分為人體判別和安全帽跟蹤兩部分內(nèi)容。(4)

6、識別。 在人體判別的基礎(chǔ)上，通過對安全帽位置的估測和安全帽像素統(tǒng)計， 實現(xiàn)安全帽的檢測識別， 同時需要進行神經(jīng)網(wǎng)絡(luò)的構(gòu)建與訓練。第 4 頁 共 11 頁上海交通大學 基于計算機視覺的安全帽自動識別技術(shù)設(shè)計方案3 、研究方法與技術(shù)路線（ 基于顏色特征 ）(1)在不同復雜環(huán)境下 （如陰雨天、晴天、拍攝距離等因素造成的不同場景） 進行 多角度拍攝 , 以便從不同的角度獲取作業(yè)工人的正面圖像 。 由于施工人員和路人有明顯區(qū)別的特征（ 如衣服的顏色，動作等），經(jīng)過樣本訓練和學習， 能夠?qū)⑷宋镞M行分類， 主要分為施工人員和路人 （此時包含背景） 。(2) 通過前景檢測將工人和背景分離，再根據(jù)人體膚色與其他

7、顏色有很大的區(qū)別 , 通過膚色定位出人臉部位。(3) 定位出人臉后 , 向上掃描 , 根據(jù)庫中已訓練好的神經(jīng)網(wǎng)絡(luò) , 判別頭部是否是安全帽的顏色。 如果不是, 說明此人沒有佩戴安全帽 ,可以報警提示 , 記錄此人沒有佩戴安全帽。(4)對于 佩戴安全帽以外的帽子等同未帶安全帽的情況：由于安全帽常用的顏色包括紅、 黃、白 3 種顏色， 根據(jù)不同色彩的安全帽建立閾值選取范圍，各顏色安全帽閾值見表 1。表 1 安全帽顏色閾值表紅色安全帽 黃色安全帽 白色安全帽R 160，220 205,255 205，255G 15，75 160，220 205，255B 0，50 0，50 205，255(5)逐點

8、統(tǒng)計安全帽估測區(qū)域的像素點， 若像素點的 ，G，B 值滿足安全帽顏色閾值表中某種安全帽的顏色閾值范圍， 則說明該點屬第 5 頁 共 11 頁上海交通大學 基于計算機視覺的安全帽自動識別技術(shù)設(shè)計方案于安全帽，將該點記錄下來。(6)對統(tǒng)計點進行分類，判斷（ 5）中所記錄的安全帽顏色點的數(shù)量占整個統(tǒng)計區(qū)域像素點數(shù)量的比例，若超過某一比例則判定其佩戴相應顏色的安全帽，若均達不到要求，則判定其未佩戴安全帽。以上研究方法的技術(shù)路線如圖 2 所示：第 6 頁 共 11 頁上海交通大學 基于計算機視覺的安全帽自動識別技術(shù)設(shè)計方案開始多傳感器獲取作業(yè)人 員圖像利用膚色定位人臉是否有新人臉否是判斷頭部是否有安全帽

9、顏色否是獲取安全帽顏色統(tǒng)計安全帽顏色閾值 內(nèi)的點數(shù)計算安全帽顏色點數(shù)所占比例是是否超過某一比例否不是安全帽此人沒有佩戴安全帽圖 2 安全帽檢測流程圖第 7 頁 共 11 頁上海交通大學 基于計算機視覺的安全帽自動識別技術(shù)設(shè)計方案4、項目達到的效果本項目提出了一種基于機器視覺的施工區(qū)安全帽智能識別技術(shù)方法，該方法采用混合高斯模型進行前景檢測，再根據(jù)安全帽的顏色，以及包含安全帽顏色的像素點所占的比例判斷是否是否佩戴安全帽實現(xiàn)安全帽的自動識別檢測。該方案具備較高的環(huán)境適應性和檢測準確率， 可以實現(xiàn)對施工區(qū)作業(yè)人員安全帽佩戴情況的自動識別檢測（ 包括各種天氣狀況以及復雜場地），可輔助各級施工區(qū)安全監(jiān)管單位進行施工區(qū)智能化監(jiān)管， 提高施工區(qū)安全監(jiān)管信息化水平。同時，能夠以較快的速度和較高的識別率進行安全帽佩戴的動態(tài)識別和監(jiān)控, 從而保證施工單位用計算機自動識別安全帽的佩戴情況 , 保障工人安全生產(chǎn)。 但對于地下作業(yè) , 由于作業(yè)環(huán)境光線亮度不夠 , 識別的正確率有待提高。第 8 頁 共 11 頁上海交通大學 基于計算機視覺的安