(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211151908.3 (22)申请日 2022.09.21 (71)申请人 华侨大学 地址 362000 福建省泉州市城华北路269号 (72)发明人 陈雁　王瑞　杜吉祥　翟传敏　 (74)专利代理 机构 厦门智慧呈 睿知识产权代理 事务所(普通 合伙) 35222 专利代理师 林贤德 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/10(2022.01) G06V 20/52(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06V 10/82(2022.01) (54)发明名称 工地现场的安全帽佩戴检测方法、 装置、 设 备和存储介质 (57)摘要 本发明实施例提供一种工地现场 的安全帽 佩戴检测方法、 装置、 设备和存储介质， 涉及视频 识别技术领域。 安全帽佩戴检测方法包含步骤S1 至步骤S6。 S1、 获取工 人的当日外观信息， 并和数 据库中已有的外观信息组成施工人员查询数据 集。 其中， 当日外观信息包括的面部信息和服饰 信息， S2、 获取包含工人的监控视频。 S3、 将监控 视频输入预先训练好的安全帽检测模 型， 获取多 组预测向量。 S4、 根据多组预测向量， 判断监控视 频中的工人是否佩戴安全帽。 S5、 当判断到监控 视频中的工人未佩戴安全帽时， 将监控视频输入 预先训练好的施工人员识别模型， 获取未佩戴安 全帽的工人的特征向量。 S6、 根据工人的特征向 量和施工 人员查询数据集， 获取未佩戴安全帽的 工人信息 。 权利要求书4页 说明书14页 附图6页 CN 115457636 A 2022.12.09 CN 115457636 A 1.一种工地现场的安全帽佩戴检测方法， 其特 征在于， 包 含： 获取工人的当日外观信息， 并和数据库中已有的外观信息组成施工人员查询数据集； 其中， 所述当日外观信息包括的面部信息和服饰信息， 获取包含工人的监控视频； 将所述监控视频输入预 先训练好的安全帽 检测模型， 获取多组预测向量； 根据所述多组预测向量， 判断所述 监控视频中的工人 是否佩戴安全帽； 当判断到监控视频中的工人未佩戴安全帽时， 将所述监控视频输入预先训练好的施工 人员识别模型， 获取 未佩戴安全帽的工人的特 征向量； 根据所述工人的特征向量和所述施工人员查询数据集， 获取未佩戴安全帽的工人信 息； 安全帽检测模型包括第一特 征提取网络、 特 征金字塔网络和第一预测网络； 所述第一特征提取网络， 用于通过分割模块根据输入的监控视频获取32 ×320×320的 第一输入向量； 通过第一卷积模块和第一连接模块根据所述第一输入向量获取128 ×80× 80的第一层输出向量； 通过第二卷积模块和第二连接模块根据所述第一层输出向量获取 256×40×40的第二层输出向量； 通过第三卷积模块和第三连接模块根据所述第二层输出 向量获取512 ×20×20的第三层输出向量； 所述特征金字塔网络， 用于通过第四卷积模块和第七连接模块根据所述第 三层输出向 量获取大小为512 ×20×20的第六层输出向量； 通过第四卷积模块和第一采样模块根据所 述第三层输出向量获取大小为256 ×40×40的第一中间向量， 将所述第一中间向量和所述 第二层输出向量进行通道维度的向量拼接， 拼接后的向量通过第四连接模块、 第 五卷积模 块和第六连接模块 获取大小为256 ×40×40的第五层输出向量； 通过第四连接模块、 第五卷 积模块和第二采样模块根据所述第一中间向量获取大小为128 ×80×80的第二中间向量， 将所述第二中间向量和所述第一层输出向量进行特征图拼接， 拼接后的向量通过第五连接 模块获取 大小为128 ×80×80的第四层输出向量； 所述第一预测网络， 用于通过第 一卷积分支根据 所述第四层输出向量获取大小为24 × 80×80的第一预测向量； 通过第二卷积分支根据所述第五层输出向量 获取大小为2 4×40× 40的第二预测向量； 通过第三卷积分支 根据所述第六层输出向量 获取大小为24 ×20×20的 第三预测向量； 施工人员识别模型包括第二特 征提取网络、 特 征聚合网络和第二预测网络； 所述第二特征提取网络， 用于通过第一卷积层根据输入的监控视频获取大小为3 ×128 ×64的第一输出向量； 通过第一池化层根据所述第一输出向量获取大小为3 ×64×32的第 二输出向量； 通过第八卷积模块根据所述第二输出向量获取大小为3 ×32×16的第三输出 向量； 通过第九卷积模块根据所述第三输出向量获取大小为3 ×16×8的第四输出向量； 通 过过第十卷积模块 根据所述第四输出向量获取 大小为3×16×8的第五输出向量； 所述特征聚合网络， 用于通过第 一全局平均池化层根据 所述第五输出向量获取大小为 1×16×1的局部特征向量； 通过第二卷积层根据所述第五输出向量获取大小为12 ×16×8 的第三中间向量， 然后通过第二全局平均池化层根据所述第三中间向量获取大小为12 ×1 ×1的全局特征向量； 通过局部损失层将所述局部特征向量传递给所述全局特征向量获取 大小为12 ×1×1的第六输出向量；权　利　要　求　书 1/4 页 2 CN 115457636 A 2所述第二预测网络， 用于通过归一化层根据所述第六输出向量获取大小为12 ×1×1的 第四中间向量； 通过无偏置的分类器全连接层根据所述第四中间向量 获取大小为 12×1×1 的工人的特 征向量。 2.根据权利要求1所述的工地现场的安全帽佩戴检测方法， 其特征在于， 根据 所述多组 预测向量， 判断所述 监控视频中的工人 是否佩戴安全帽， 具体包括： 根据所述多组预测向量， 按照分类概率由高到低进行排序， 获取概率最大的预测值及 其对应框， 记为b1； 其中， 每组预测向量包含不同尺度的预测框、 预测边框置信度和预测边 框坐标； 遍历剩余的预测框bi， 分别计算b1和bi的IoU值 当IoUi值大于第一阈值时， 排除bi对应的预测框， 直到所有预测框遍历完成； 从遍历后剩余的预测框中选取最大概率对应的预测框， 重复上述步骤， 最后得到最佳 预测框， 从而判断所述 监控视频中的工人 是否佩戴安全帽。 3.根据权利要求1所述的工地现场的安全帽佩戴检测方法， 其特征在于， 根据 所述工人 的特征向量和所述施工人员查询数据集， 获取 未佩戴安全帽的工人信息， 具体包括： 根据所述工人的特征向量和所述施工人员查询数据集， 计算工人的特征向量和施工人 员查询数据集的度量矩阵d*(p， gi)； d*(p， gi)＝(1‑λ )dJ(p， gi)+λd(p， gi)， 式中， p为工人的 特征向量， gi为施工人员查询数据集中的图片， λ是超参数， dJ(p， gi)为改进的J accard距离， d(p， gi)为马氏距离； 根据所述度量矩阵， 选择与查询数据集最匹配的结果， 从而获取未佩戴安全帽的工人 信息。 4.根据权利要求3所述的工地现场的安全帽佩戴检测方法， 其特征在于， 所述改进的 Jaccard距离dJ(p， gi)的计算模型为： 式中， 表示待判断图片和查询集中图片的增强k ‑相互近邻的集合， 表示查询集 中第i张图片与其 余图片的增强k ‑相互近邻的集 合。 5.根据权利要求1所述的工地现场的安全帽佩戴检测方法， 其特征在于， 所述局部损失 层LSCP的计算模型为： 式中， R为特征总数、 fs， r是第r块局部特 征， fc， r第r块全局特 征。 6.一种工地现场的安全帽佩戴检测装置， 其特 征在于， 包 含： 外观获取模块， 用于获取工人的当日外观信息， 并和数据库中已有的外观信息组成施 工人员查询数据集； 其中， 所述当日外观信息包括的面部信息和服饰信息， 监控视频模块， 用于获取包 含工人的监控视频； 第一识别模块， 用于将所述监控视频输入预先训练好的安全帽检测模型， 获取多组预 测向量； 第一判断模块， 用于根据所述多组预测向量， 判断所述监控视频中的工人是否佩戴安权　利　要　求　书 2/4 页 3 CN 115457636 A 3