本發(fā)明涉及建筑安全監(jiān)測技術(shù)，尤其是通過計(jì)算機(jī)視覺進(jìn)行安全帽檢測的方法和系統(tǒng)。

背景技術(shù)：

1、建筑工地安全管理是確保施工人員生命安全和工程順利進(jìn)行的關(guān)鍵環(huán)節(jié)。其中，安全帽的正確佩戴是最基本且最重要的安全措施之一。然而，由于建筑工地環(huán)境復(fù)雜、人員流動(dòng)性大，傳統(tǒng)的人工巡查方式往往效率低下、覆蓋范圍有限。因此，開發(fā)一種基于計(jì)算機(jī)視覺的自動(dòng)化安全帽佩戴檢測系統(tǒng)具有重要的現(xiàn)實(shí)意義。這種系統(tǒng)不僅能夠全天候、全方位地監(jiān)控工地安全狀況，還能及時(shí)發(fā)現(xiàn)和預(yù)警安全隱患，大幅提高安全管理的效率和準(zhǔn)確性。此外，通過長期數(shù)據(jù)積累和分析，這類系統(tǒng)還可為工地安全管理策略的制定和優(yōu)化提供數(shù)據(jù)支持，從而在宏觀層面上提升整個(gè)建筑行業(yè)的安全水平。

2、目前，基于計(jì)算機(jī)視覺的安全帽檢測研究已取得了一定進(jìn)展。主流方法主要圍繞目標(biāo)檢測和圖像分類兩大技術(shù)路線展開。在目標(biāo)檢測方面，研究者們嘗試了從傳統(tǒng)的hog+svm方法到近年來的深度學(xué)習(xí)方法，如faster?r-cnn、yolo和ssd等。這些方法在理想條件下能夠較好地定位和識(shí)別安全帽。在圖像分類方面，研究重點(diǎn)集中在如何提取更具判別性的特征，以及如何設(shè)計(jì)更高效的分類器。近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)（cnn）的方法，如vgg、resnet等，在安全帽分類任務(wù)中展現(xiàn)出了優(yōu)越的性能。此外，一些研究者還嘗試將目標(biāo)檢測與圖像分類相結(jié)合，提出了端到端的安全帽檢測與佩戴狀態(tài)分類方法，進(jìn)一步提高了系統(tǒng)的實(shí)用性。

3、盡管現(xiàn)有研究取得了一定成果，但在實(shí)際應(yīng)用中仍面臨諸多挑戰(zhàn)，比如：建筑工地環(huán)境復(fù)雜多變，存在光照變化大、遮擋嚴(yán)重、背景雜亂等問題，這給傳統(tǒng)的計(jì)算機(jī)視覺算法帶來了巨大挑戰(zhàn)。安全帽尺寸小、形狀相似，在遠(yuǎn)距離或高空作業(yè)場景中容易與其他物體混淆，導(dǎo)致檢測準(zhǔn)確率下降。工地上的多人重疊場景頻繁出現(xiàn)，現(xiàn)有方法在處理密集人群中的安全帽檢測時(shí)效果欠佳。由于建筑工地的動(dòng)態(tài)性，檢測結(jié)果的時(shí)間一致性也是一個(gè)亟需解決的問題。在特征提取方面，如何有效融合顏色、紋理、形狀和時(shí)序等多模態(tài)信息，以提高檢測的魯棒性，仍是一個(gè)開放性問題。

4、在實(shí)際應(yīng)用中，如何在保證檢測精度的同時(shí)，設(shè)計(jì)輕量級(jí)模型以滿足實(shí)時(shí)性要求，也需要解決。因此需要研發(fā)和創(chuàng)新。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的，

2、技術(shù)方案，根據(jù)本申請(qǐng)的一個(gè)方面，提供一種基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，包括如下步驟：

3、步驟s1、采集或獲取建筑工地的多模態(tài)原始數(shù)據(jù)，采用多模態(tài)數(shù)據(jù)融合預(yù)處理方法進(jìn)行處理，得到對(duì)齊且增強(qiáng)的多模態(tài)數(shù)據(jù)集；

4、步驟s2、獲取對(duì)齊且增強(qiáng)的多模態(tài)數(shù)據(jù)集，采用多尺度特征提取與融合方法進(jìn)行處理，得到融合特征集；

5、步驟s3、獲取融合特征集和增強(qiáng)后的深度圖像，采用深度感知密度聚類rpn算法進(jìn)行處理，得到候選區(qū)域集；然后采用多階段安全帽檢測與分類方法進(jìn)行處理，得到初步的安全帽檢測與分類結(jié)果，形成分類結(jié)果集；

6、步驟s4、獲取得到的候選區(qū)域集和分類結(jié)果集，以及對(duì)齊且增強(qiáng)的多模態(tài)數(shù)據(jù)集，采用多階段后處理與結(jié)果優(yōu)化方法進(jìn)行處理，得到最終的安全帽檢測與分類結(jié)果。

7、根據(jù)本申請(qǐng)的另一個(gè)方面，還提供一種計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測系統(tǒng)，包括：

8、至少一個(gè)處理器；以及，

9、與至少一個(gè)所述處理器通信連接的存儲(chǔ)器；其中，

10、所述存儲(chǔ)器存儲(chǔ)有可被所述處理器執(zhí)行的指令，所述指令用于被所述處理器執(zhí)行以實(shí)現(xiàn)上述任一項(xiàng)技術(shù)方案所述的計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法。

11、有益效果，大大提高了檢測效率，在實(shí)際場景中使用效果較好。具體技術(shù)效果，將在下文結(jié)合實(shí)施例進(jìn)行詳細(xì)描述。

技術(shù)特征：

1.基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，包括如下步驟：

2.如權(quán)利要求1所述的基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，所述步驟s1具體為：

3.如權(quán)利要求1所述的基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，所述步驟s2具體為：

4.如權(quán)利要求1所述的基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，所述步驟s3具體為：

5.如權(quán)利要求1所述的基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，所述步驟s4具體為：

6.如權(quán)利要求2所述的基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，采用深度自適應(yīng)icp算法進(jìn)行處理，具體為：

7.如權(quán)利要求2所述的基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，采用多尺度時(shí)空dtw算法對(duì)空間對(duì)齊的多模態(tài)數(shù)據(jù)集進(jìn)行處理，具體為：

8.如權(quán)利要求2所述的基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，采用邊緣增強(qiáng)多方向拉普拉斯金字塔算法進(jìn)行處理，具體為：

9.如權(quán)利要求2所述的基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測方法，其特征在于，采用深度自適應(yīng)雙邊濾波算法進(jìn)行處理，具體為：

10.一種計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于計(jì)算機(jī)視覺的建筑工地安全帽佩戴檢測系統(tǒng)及方法，包括如下步驟：獲取對(duì)齊且增強(qiáng)的多模態(tài)數(shù)據(jù)集，采用多尺度特征提取與融合方法進(jìn)行處理，得到融合特征集；獲取融合特征集和增強(qiáng)后的深度圖像，采用深度感知密度聚類RPN算法進(jìn)行處理，得到候選區(qū)域集；然后采用多階段安全帽檢測與分類方法進(jìn)行處理，得到初步的安全帽檢測與分類結(jié)果，形成分類結(jié)果集；獲取得到的候選區(qū)域集和分類結(jié)果集，以及對(duì)齊且增強(qiáng)的多模態(tài)數(shù)據(jù)集，采用多階段后處理與結(jié)果優(yōu)化方法進(jìn)行處理，得到最終的安全帽檢測與分類結(jié)果。大大提高了檢測效率，在實(shí)際場景中使用效果較好。

技術(shù)研發(fā)人員：吳廷勇,洪良,費(fèi)如銀,韋雨,孫鵬飛,閆高峰,何鎖巖,江盈盈
受保護(hù)的技術(shù)使用者：中鐵建工集團(tuán)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10