基于智能视频图像分析的安全帽识别

基于智能视频图像分析的安全帽识别
作者：吴设军何辅江吴高波徐勇
来源：《中国电气工程学报》2020年第13期
摘要：目前，有关部门对安全生产提出很高要求。

人眼监测不能保证每位生产者时刻佩戴安全帽。

随着人工智能的兴起，运用深度学习方法和计算机视觉技术自动检测生产人员是否佩戴安全帽并提供反馈，对安全生产至关重要。

本文基于智能视频图像分析的安全帽识别展开论述。

关键词：智能视频;图像分析;安全帽识别
引言
智能视频技术源自计算机视觉与人工智能的研究，是基于深度学习中计算机视觉的应用，其发展目标是在动态图像与事件描述之间建立一种映射关系，使计算机从纷繁的视频图像中过滤掉“噪声”，获取数据并搭建出数据模型，再分辩、识别出关键目标物体，并对此结果进行存取与分析。

在石化、电力、煤矿及建筑生产企业施工过程中，容易引发各种安全事故，事故涉及的原因多种多样，包括管理、人员素质、设备工具、以及其它各种问题。

统计某石化企业事故原因，分析其中由于违章违纪作业导致事故的占46.5%，管理不善导致的事故占25.7%，人员素质与安全意识导致的事故占21.8%，其它原因导致的事故占6%。

由此可见，由于违规操作或违反规定引起事故占比达68.3%，成为引发事故的主要原因。

1视频智能分析技术研究现状
智能视频技术发展目标是在动态图像与事件描述之间建立一种映射关系，使计算机从纷繁的视频图像中过滤掉“噪声”，获取数据并搭建出数据模型，再分辩、识别出关键目标物体，并对此结果进行存取与分析。

从2010年开始，智能视频技术已经在工业技术、智能交通、公共安全和企业安全等领域开始应用，并取得了惊人的效果。

在工矿企业中，随着工矿设备越来越先进、复杂，以往以人工或单纯视频监控对设备以及人员生产等安全进行排查的方式，缺点也慢慢地凸显出来。

视频图像设点多，监管人员压力大，监管难度高，当遇到异常情况时，往往无法及时进行报警并迅速处理异常，造成难以估计的损失。

而智能视频分析技术恰好可以在一定程度上缓解这类問题。

此技术可以从实时视频图像中监控分析，提取关键信息，可对事故进行预警与处理取证，大大减小了安全监管人员的工作压力与企业的用人压力。

再配合传感器与跨平台技术，可实现集安保、人员生产安全、人员管理、材料管理的企业安全综合管理网络。

2安全帽识别模型设计
安全帽检测算法是先通过前景检测将工人和背景分离，再根据人体肤色与其他颜色有很大的区别，通过肤色定位出人脸部位。

定位出人脸后向上扫描，根据提前训练好的卷积神经网络，判别头部是否是安全帽的颜色。

如果不是，可以报警提示，记录此人没有佩戴安全帽。

对于佩戴安全帽以外的帽子等同未带安全帽的情况：由于安全帽常用的颜色包括红、黄、蓝3种颜色，根据不同色彩的安全帽建立阈值选取范围。

整个系统的架构包括3个主要部分：①监控设备上采集的视频源与智能分析引擎;②服务端上的策略管理与智能报警服务器;③客户端上的智能报警浏览系统（包含处理单路视频的单个浏览系统，或是包含大量摄像机的大型网络浏览系统）。

这些模块可以在单台计算机上，也可分布在不同计算机上。

智能分析引擎是系统的核心，对视频源进行底层次的处理。

策略管理与智能报警服务器主要通过预设的报警管理条件对处理过的视频流进行高层次的分析，判断是否符合报警条件。

结合视频行为分析技术和现场实际情况的研究，提出了活动目标提取+安全帽轮廓匹配+颜色提取+多层神经网络分类+统计学模型的多层组合逻辑解决方法。

图1所示为系统整体软件架构图。

3实时定位
多功能安全帽采用先进的RFID技术实现实时定位功能。

GPS全球定位系统是现有的最成熟也最简单易用的定位方法，具有非常明显的优势，定位精确，适用于各种室外场所。

然而GPS定位在室内定位时，信号较差，定位的信息不准确，主要是因为影响室内环境的因素比较多，而且信号传播性复杂，关于室内定位技术的研究仍然是目前的重点。

采用RFID技术进行室内定位无疑是一种非常稳定且定位准确的方法。

因为它具有的非接触式双向通信交换数据已达到识别和定位的目的，成本低、传输范围大，非接触式和非视距的优点。

由于射频识别技术是采用无线射频信号自动识别物体的技术，所以能在相对复杂的条件下工作，而且可以对各种移动物体多目标进行识别。

在识别过程中不需要干预，因为它通过收/发相应的射频信号获得数据。

阅读器可以对射频识别技术系统的信息进行相应的处理，电子标签中含有阅读器所处理的信息。

EPC编码的不同，导致每个电子标签都是不一样的，EPC编码可以方便地对目标物体进行快速识别。

阅读器和电子标签主要是通过数据处理系统进行联系，这种联系实际上是对数据进行相应的处理，同时可以为它们的通信奠定基础。

本文中采用基于RSSI的定位算法来实现相应的定位功能。

根据接收到的信号强度的不同，可以得到无线信号在传输过程中的损失也是不同的。

因此可以根据传输过程中的损失来判断信号衰减强度，并把它们转化为接收和发送信息之间的实际距离。

由于RFID技术能够根据上述原理实现相应的实时定位，这样可以为用户提供进一步的便利。

4结论与展望
在电厂环境中，安全帽一直被当作个人防护用具使用。

新一代智能安全帽除了能够有效地防止和减轻外来危险源对头部的伤害之外还可以通过安全帽上的摄像头获得电厂元器件的图片或视频流数据。

这些数据通过局域网直接传输到后台服务器，为仪器仪表的智能识别提供了数据基础。

在基于智能安全帽数据采集系统下，使用SIFT算法以及透射变换原理，设计了一套
同时适用于线性刻度和非线性刻度，且不受仪表形状和量程影响的识别算法。

本文的主要结论概括如下：第一：首次提出利用智能安全帽作为巡检任务的辅助工具。

随着新一代智能安全帽的诞生，安全帽已经不只是用来保护穿戴者头部的防具，还是智能巡检系统的辅助工具。

第二：该算法能同时适用于线性刻度和非线性刻度，且不受仪表形状和量程的影响。

在算法设计中，对于指针的检测是基于梯度的线检测方法。

第三：算法运算速度快，读数精度高，鲁棒性强。

特别是把模板保存成二进制文件大大提升了运行效率。

模板文件的两个主要好处：一是标准图片的特征点不需要重复提取;二是二进制文件可读性高。

该算法的优点是：通用性强，使用环境广。

但是该算法依然存在一些缺点，没有到达真正期望的智能识别水平。

下一步对算法优化的方向是，引入深度学习算法，在不需要任何先验信息的情况下，能够对输入的数据进行分析，得出正确的结论。

结束语
安全帽作为一种个人头部防护用品，在建筑场所、化工厂以及电力工程等施工现场中，是明令要求每个工人必须佩戴的。

利用视频监控系统实时检测作业人员是否佩戴安全帽，以及是否有人员是否按照施工要求到位并给出相应的警告信息，对施工现场安全监管有重要的意义。

参考文献
[1]袁一丹.基于图像识别的工作人员穿戴规范性检测技术研究[D].电子科技大学，2019.
[2]王秋余.基于视频流的施工现场工人安全帽佩戴识别研究[D].华中科技大学，2018.
[3]黄愉文，潘迪夫.基于并行双路卷积神经网络的安全帽识别[J].企业技术开发，2018，37（03）：24-27+47.
[4]毕林，谢伟，崔君.基于卷积神经网络的矿工安全帽佩戴识别研究[J].黄金科学技术，2017，25（04）：73-80.
[5]庞霞，王俪蓉.基于颜色和形状的安全帽识别方法[C].中国电力科学研究院.2017智能电网信息化建设研讨会论文集.中国电力科学研究院：中国电子信息产业集团有限公司第六研究所，2017：50-51+54.。