1、 年第 期 第 卷信息技术应用基金项目：上海市经济和信息化委员会“基于人工智能的建造安全全生命周期管理创新与示范项目”（）作者简介：黄毅，年生，硕士研究生，教授级高级工程师，研究方向为工程机械。：基于多重深度学习网络的安全帽检测及工地人员身份识别方法研究黄 毅 包世洪 马 亮 赵 林 张 毅（上海建工集团股份有限公司，上海；上海电科智能系统股份有限公司，上海；同济大学道路与交通工程教育部重点实验室，上海）摘 要：正确佩戴安全帽能有效避免物体打击事故造成的人员伤害，因而实时监测是否正确佩戴安全帽显得至关重要。基于图像处理的安全帽识别检测方法在复杂工地环境下存在许多挑战，而基于单一深度学习网络的方
2、法直接对安全帽进行检测，无法确定安全帽是否戴在工作人员头上，对比提出了一种基于多重深度学习网络的安全帽检测及工地人员身份识别方法，通过区分出前景和背景，提取出工地人员前景区域后再进行安全帽检测，避免图像背景中其他的干扰信息。首先将图像输入 网络中检测出工地人员，然后根据工地人员的检测边界框提取出工地人员前景区域，再次输入到 网络中，最后识别出安全帽及其颜色，从而进行工地人员的身份判断。一方面能够对未佩戴安全帽的人员做到及时提醒，另一方面能够根据安全帽颜色识别出人员身份，从而判断该身份是否符合作业要求，对于保障工地人员的安全起到关键作用。关键词：深度学习；安全帽检测；身份识别中图分类号：文献标志
3、码：引 言据住房和城乡建设部办公厅统计，年全国共发生房屋市政工程生产安全事故 起，造成 人死亡，其中物体打击事故发生数位居第二，达到 起，占总数的.。物体打击事故主要指的是由失控物体的惯性力造成的人身伤亡事故，而往往工地施工人员因为安全意识缺乏或天气炎热等原因不佩戴安全帽，造成人头部受坠落物及其他因素打击引发的悲剧。早在 年第九届全国人民代表大会常务委员会通过的中华人民共和国安全生产法中就指出“从业人员在作业过程中，应当严格遵守本单位的安全生产规章制度和操作规程，服从管理，正确佩戴和使用劳动防护用品”，但仍有一些施工人员存在侥幸心理，进入工地后不佩戴安全帽，存在极大的安全隐患。安全帽作为一种有
4、效的劳动防护用品，能够起到缓冲减震和分散应力的作用，并且不同颜色的安全帽代表不同的等级身份，因此监测工地人员佩戴的安全帽的情况，一方面能够对未佩戴安全帽的人员做到及时提醒，另一方面能够根据安全帽颜色识别出人员身份，从而判断该身份是否符合作业要求，对于保障工地人员的安全起到关键作用。传统工地监控采用的是人工监控的方式，但工作人员面对大量的监控屏幕，难免出现漏判误判的情况。因此一些学者利用图像处理和深度学习的手段挖掘监控视频的信息，达到智能监控的效果。刘晓慧等人采用肤色检测定位出人脸区域，然后再对人脸部以上的区域进行判断是否佩戴安全帽。但该方法需要以拍摄到人脸作为前提条件，在工地复杂的环境中不具有
5、普适性。冯国臣等人首先通过连通域进行人体判断，再在人体判别的基础上，通过对预测分布在人体上部分的安全帽估测矩形内的像素进行统计分析，实现安全帽的识别检测。该方法中基于连通域对人体的判断可能受到其他背景的影响，造成人体误判和安全帽误识别。年第 期 第 卷信息技术应用李太华等人基于行人全身提取特征检测出行人，然后识别检测出来行人的头部，并根据头部的颜色值得到该行人所佩戴的安全帽的颜色。当存在遮挡或者行人处于非站立的情况时，行人检测准确率大大下降从而影响安全帽识别。以上基于图像处理的安全帽识别检测的方法适用于简单、某个特定的场景下，在复杂工地的环境下仍存在许多挑战。深度学习的引入使得安全帽的识别更快
6、速准确。现有学者多通过改进网络结构来提高安全帽的检测准确率和检测速率，例如一种改进的 网络、改进的 网络等。但这些方法直接对安全帽进行检测，无法确定安全帽是否戴在工作人员的头上。因此本文采取多重深度学习网络的方法进行安全帽的检测和工地人员身份识别，通过提取出工地人员前景区域后再进行安全帽检测，避免图像背景中其他的干扰信息，提高模型的识别准确率。基于多重深度学习网络的安全帽检测及工地人员身份识别方法在建筑工地内，工地人员、机器设备、建筑材料众多，环境复杂，通过直接识别检测安全帽的方法易受到图像中其他信息的干扰，造成误检的情况。因此本文基于多重学习网络，通过区分前景和背景的方法，首先将图像中人体前
7、景区域提取出来，再在此区域的基础上进行安全帽检测，从而提高模型的识别准确率。算法包括两个部分：人体前景区域提取和基于 的安全帽检测，如图 所示，首先输入待检测图像，利用 网络检测出工地人员，并根据工地人员的检测边界框提取出工地人员前景区域；提取出的前景区域则再次输入到 网络中，输出该区域内的安全帽检测结果，从而判断工地人员是否佩戴安全帽以及通过安全帽颜色识别工地人员的身份。图 基于多重深度学习网络的安全帽检测及工地人员身份识别方法.基于 的工地人员前景区域提取工地人员前景区域的提取包括两个部分，首先基于 网络实现工地人员的识别检测，再基于工地人员检测框的输出结果提取出工地人员前景区域。采用的识
8、别检测 网络由（主干网络）、（颈部网络）和（头部）三部分组成，以 作为骨干网络进行特征提取，部分采用的是 进行特征融合，用于增强 提取的特征，并在此基础上加（空间金字塔池化）结构，部分则延续使用 的，的网络结构如图 所示。图 网络结构黄毅，等：基于多重深度学习网络的安全帽检测及工地人员身份识别方法研究本文中 的输入为 的图像，通过主干网络 提取特征，然后将输入图像划分成 的网格，每个网格对应 个边界框。为了完成对 类目标的检测，每个预测的边界框需要对应 个边界框参数信息（，）以及分别属于 个类别的条件概率，其中（，），分别代表边界框中心点的坐标和边界框的宽和高，则表示置信度。本文人员识别检测的
9、模型在 数据集上训练得到，因标注的检测目标包含 个类别，所以 的 部分三个输出张量的 分别是、。在得到工地人员识别检测的结果，即图像中工地人员识别检测边界框的（，），通过坐标变化计算得到边界框位置参数，计算公式如下：（）（）（）（）式中：，分别表示目标区域边界框的左边界的 坐标、右边界的 坐标、上边界的 坐标、下边界的 坐标。根据图像中边界框的位置参数进行图像裁剪，从而提取出图像中工地人员前景区域，作为安全帽检测网络的输入，从而避免图像中背景区域对于安全帽识别检测的干扰。.安全帽检测和工地人员身份识别在提取出图像中工地人员前景区域后，将该前景区域图像再次输入到 网络中进行安全帽检测，从而判断工
10、地人员是否佩戴安全帽以及通过安全帽颜色识别工地人员的身份，若图像中未检测到安全帽，则代表该工地人员未佩戴安全帽，反之若检测到安全帽，则根据安全帽不同的颜色判断该工地人员的身份，安全帽检测和工地人员身份识别方法的流程图如图 所示。图 安全帽检测和工地人员身份识别方法流程如图中所示安全帽检测的 网络结构和工地人员识别的 网络结构除了 部分，和 部分都采用一致的结构。本文通过拍摄某一工地现场的图像建立自己的数据集，在此基础上训练模型，共标注了 类安全帽的种类，包括红色安全帽、橙色安全帽、白色安全帽、黄色安全帽以及蓝色安全帽，因此该 安全帽检测网络的 部分的输出为、。根据该工地现场的规定：红色安全帽一
11、般是管理人员佩戴；橙色和黄色安全帽一般是普通工人佩戴；白色安全帽一般是监理人员佩戴；蓝色安全帽一般则技术人员佩戴。因此通过检测安全帽的颜色可以相应判断工人的身份。结果与分析.数据来源针对本文所研究的问题，我们利用某一工地的监控视频进行分帧，保存共 张图片，然后利用 软件对每张图片上安全帽检测目标进行标注如图 所示，生成对应的 文件，共包含红色安全帽、橙色安全帽、白色安全帽、黄色安全帽以及蓝色安全帽这 类检测目标，建立安全帽数据集共包含 张图像。图 安全帽标注结果.实验结果分析实验中使用的服务器的型号为 ，内存为 ，显卡为 ，操作系统为 。工地人员识别使用 在 数据集上训练好的进行，识别检测到图
12、像中工地人员后裁剪出该区域，将该前景区域输入到在本文自制安全帽数据集上训练的 模型，最后输出安全帽检测结果。我们选择了一些图像来验证本文方法的有效性和可行性，实验结果如图 所示。年第 期 第 卷信息技术应用图 实验结果图 中第一列为待测试的原始图像，第二列为通过 网络检测的工地人员结果，第三列为在第二列提取出工地人员前景区域后进行的安全帽检测和身份识别结果。第一行结果检测到两名工人，其中一名安全帽检测结果为白色安全帽，则该工人身份为监理，另一名工人没有检测到安全帽，则表示该工人没有佩戴安全帽，需进行及时提醒。第二行结果检测到两名工人，其中一名安全帽检测结果为蓝色安全帽，则该工人为技术人员，另一
13、名工人没有检测到安全帽，同理表示该工人没有佩戴安全帽。第三行结果检测到三名工人，安全帽检测结果分别为黄色安全帽、橙色安全帽和蓝色安全帽，则代表三名工人的身份分别为普通工人、普通工人和技术工人。第四行图像中检测到两名工人，白色安全帽代表该工人为监理，橙色安全帽则表示该工人为普通工人。结 论本文提出了一种多重深度学习网络的安全帽检测及工地人员身份识别方法。该方法利用两个 网络分别实现工地人员识别和安全帽检测，即首先将待测图像输入第一个 检测网络实现工地人员的识别，根据工地人员检测边界框的参数裁剪出工地人员前景区域，再将该前景区域输入第二个 检测网络中实现安全帽的检测，从而判断工地人员是否佩戴安全帽
14、以及通过安全帽颜色判断工地人员的身份，若图像中未检测到安全帽，则代表该工地人员未佩戴安全帽，反之若检测到安全帽，则根据安全帽不同的颜色判断该工地人员的身份。实验证明了该方法的可行性和有效性，在检测到工地人员未佩戴安全帽时能及时将信息反馈给管理层督促工人佩戴安全帽，保证工人施工的安全，同时除了输出工地人员身份识别的结果，还能结合该工人的操作行为判断该身份是否符合作业要求。这一点也将是我们未来的研究方向，通过提取工地人员的姿态行为，再结合该工人的身份识别结果，判断该工人是否有与身份不匹配的行为。参 考 文 献 中华人民共和国住房和城乡建设部办公厅住房和城乡建设部办公厅关于 年房屋市政工程生产安全事故情况的通报（）：中华人民共和国安全生产法中华人民共和国全国人民代表大会常务委员会公报，（）：刘晓慧，叶西宁肤色检测和 矩在安全帽识别中的应用华东理工大学学报（自然科学版），（）：冯国臣，陈艳艳，陈宁，等基于机器视觉的安全帽自动识别技术研究机械设计与制造工程，（）：李太华，王迪基于安全帽颜色识别的人员身份认证算法在变电站的应用电脑知识与技术，（）：吴冬梅，王慧，李佳基于改进 的安全帽检测及身份识别信息技术与信息化，（）：，（），：，（）：，：.，：，：（本文收稿：）
