基于深度学习的安全帽检测系统设计与实现
现如今生产安全越来越受到企业的重视然而与企业高度现代化的生产水平不同安全防护措施依然还很落后。比如对安全帽佩戴的监管工作大多都是由人工完成监管成本高且效率低。
近年来深度学习技术有着跨越式的发展所以一些研究人员开始了基于深度学习的安全帽检测研究但大多采用安全帽颜色特征进行检测从而受背景色干扰较大精度较低。根据以上问题本文设计并实现了一套基于深度学习的智能安防系统。
该系统的主要功能是对摄像头监控区域进行实时安防预警实现了行人检测、安全帽佩戴检测、智能报警和系统管理等功能。本文利用SSDSi
gleShotMultiBoxDetector模型分别训练了行人检测模型和安全帽检测模型用来实现相关的检测功能本文主要以安全帽检测的角度对该系统的设计与实现进行叙述。
由于传统的安全帽佩戴检测的方法速度慢、精度低本系统安全帽检测模块针对此问题设计并实现了在行人区域进行安全帽检测。首先利用行人检测模型检测视频中出现的行人再通过安全帽检测模型对得到的行人区域进行安全帽检测。
这种检测方法大大提高了对安全帽佩戴的检测精度同时有效的减少了检测时间使系统更具可靠性和实时性。最后将系统与监控设备对接达到对监控范围内行人佩戴安全帽的检测。
本文主要完成以下工作1在Te
sorflow框架下利用SSD算法进行行人检测模型和安全帽检测模型的训练包括获取、增强和标注数据集训练模型及测试模型。2根据实际需求对智能安防系统进行详细设计。
阐述了该系统的需求分析、架构设计、功能模块设计、业务流程设计和数据
f库设计。3智能安防系统的具体实现根据设计实现系统各功能模块将训练好的检测模型整合至系统实现对行人和安全帽的检测最后完成与监控设备的对接并进行测试。
通过测试该系统可以根据设置的报警参数分别对报警区域出现行人和未佩戴安全帽进行报警准确度较高达到了预期效果可以满足实际的监管需求。
fr