(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 202210490418.X (22)申请日 2022.05.07 (71)申请人 广东电网有限责任公司广州供电局 地址 510620 广东省广州市天河区天河南 二路2号 (72)发明人 张青立　刘若颖　陈奥博　罗新　 朱劲磊　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 杜娟 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/25(2022.01) G06V 10/32(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/73(2017.01) (54)发明名称 一种自上而下的工装合规穿戴检测算法方 法 (57)摘要 本发明涉及人员合规穿戴工装检测技术领 域， 尤其是指一种自上而下的工装合规穿戴检测 算法方法， 采集基 建场景现场人员图片并添加人 员、 工装标签； 采用FasterR ‑CNN结合锚 点自适应 模块生成锚点， 分别建立人员定位、 人体区域工 装检测深度学习网络模型； 根据人员标签裁剪得 到人体区域图片数据集； 完整图片训练集做数据 增强后利用人员标签对人员定位模 型进行训练； 人体区域图像训练集做数据增强后利用工装标 签对人体区域工装分类模型进行训练。 本发明能 够实现建设工地工装合规穿戴的自动检测， 具有 较高的准确率， 并且具有稳定性好， 抗干扰能力 强， 通用性高等优点， 具有良好的鲁棒性， 能够应 用于工地智能监管系统。 权利要求书2页 说明书6页 附图2页 CN 114998926 A 2022.09.02 CN 114998926 A 1.一种自上而下的工装合 规穿戴检测算法方法， 其特 征在于： 包括以下步骤： S1： 采集基建场景现场人员图片， 对每一图片制作对应的样本标签文件； S2： 采用Faster  R‑CNN检测网络的骨干网络， 并采用锚点自适应模块生成锚点， 分别建 立人员定位、 人体区域工装检测深度学习网络模型； S3： 将采集的完整图像数据集和人体区域图片数据集随机划分为训练集和 测试集； S4： 对完整图像数据集进行 数据增强； S5： 利用完整图像数据集训练集对人员 定位模型进行训练， 获得初步训练后的人员 定 位模型； S6： 采用测试集测试初步训练后的人员 定位模型的性能， 根据测试结果调整训练参数 与检测置信度阈值， 优化并固化人员定位模型； S7： 对人体区域图像数据集进行 数据增强； S8： 利用人体区域图像数据集训练集对人体区域工装分类模型进行训练， 获得初步训 练后的人体区域工装分类模型； S9： 采用测试集测试初步训练后的人体区域工装分类模型的性能， 根据测试结果调整 训练参数与检测置信度阈值， 优化并固化人体区域工装分类模型； S10： 针对待测图像分别输入固化后的人员定位、 人体区域工装分类模型， 输出获得检 测结果。 2.根据权利要求1所述的一种自上而下的工装合规穿戴检测算法方法， 其特征在于： 所 述步骤S1中基建场景现场人员图片是上方摄像头， 以现场作业人员作为 目标物， 正对目标 物的左右偏差15度和俯视10 ‑25度的范围内采集获得的图片。 3.根据权利要求1所述的一种自上而下的工装合规穿戴检测算法方法， 其特征在于： 所 述步骤S1中样本标签文件符合Pascal  VOC数据集的xml标签文件标准。 4.根据权利要求1所述的一种自上而下的工装合规穿戴检测算法方法， 其特征在于： 所 述步骤S2中， 训练的人员定位模型具体是： 图片通过 统一预处理后送入网络； 网络的骨干网 络使用ResNet50， 分阶段提取特征后， 用特征金字塔网络结构对 各个阶段的特征进 行混合， 得到特征图组； 通过引入两个新的训练分支来代替传统的锚点生成过程， 位置预测分支和 形状预测分支用来帮助框架依据特征图局部特征完成稀疏锚点的生成， 框架 根据这两个分 支的输出结果与设定的阈值比较， 首先得到特征图上可能存在目标的中心位置， 再根据中 心位置附近特征的局部特征来预测最有可能的锚点形状； 通过锚点自适应方法产生的锚点 用于后续提取感兴趣区域池化， 并通过与Faster  R‑CNN相同的后续网络结构进 行分类和边 框回归； 所述步骤S2中， 人体区域工装分类模 型具体是ResNet18和分类器； 完整图片经过人 员定位模 型边框回归的结果， 裁剪图片， 将 裁剪后图片送入 人体区域工装分类模 型， ResNet 提取小图的特 征向量进行工装合 规分类。 5.根据权利要求1所述的一种自上而下的工装合规穿戴检测算法方法， 其特征在于： 所 述步骤S2中， 锚点自适应模块将锚点涉及参数的联合分布， 分离为两个独立的条件分布， 并 结合输入特征图的语音信息进 行特征信息校准输出更加准确的特征进 行检测； 锚点的联合 分布与锚点 位置、 锚点形状的条件分布满足以下公式： p(x， y， w， h|I)＝p(x， y|I)p(w， h|x， y， I) 式中， (x,y)代 表锚点的位置， (w,h)代 表锚点的形状， I代 表输入图片。权　利　要　求　书 1/2 页 2 CN 114998926 A 26.根据权利要求1所述的一种自上而下的工装合规穿戴检测算法方法， 其特征在于： 所 述步骤S3中对样本的划分具体是指取整个数据集的80％作为训练集， 剩余的20％作为测试 集。 7.根据权利要求1所述的一种自上而下的工装合规穿戴检测算法方法， 其特征在于： 所 述步骤S5中在进行 人员定位模型训练时采用Faster  R‑CNN和锚点自适应模块。 8.根据权利要求1所述的一种自上而下的工装合规穿戴检测算法方法， 其特征在于： 所 述步骤S5中， 将训练的图片统一缩放到相同大小， 先采用ImageNet已知数据预训练 ResNet50网络框架模型的参数， 训练时的参数更新方式为SGD， 初始学习率为0.01， 动量项 为0.9， 权值衰减系数1 ×10‑4， 批训练大小为4， 训练12个时期； 训练采用2个时期来慢启动， 并采用学习率 阶段逐渐下降方式训练； 所述的慢启动具体是指在训练的第 1个时期采用初 始学习率1/3进行训练， 第2个时期开始恢复初始学习率大小进行训练； 所述的学习率阶段 下降方式具体是指在第4和第8时期学习率在原基础上缩放1/10 。 9.根据权利要求1所述的一种自上而下的工装合规穿戴检测算法方法， 其特征在于： 所 述步骤S10中， 工装合 规检测通过串联的人员定位模型和人体区域工装分类模型完成。权　利　要　求　书 2/2 页 3 CN 114998926 A 3