(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 202111563579.9 (22)申请日 2021.12.20 (71)申请人 高新兴创联科技有限公司 地址 310013 浙江省杭州市西湖区万塘路 30号10幢5楼 (72)发明人 徐玉梅　陈刚　夏雷　刘荣富　 陈亮　张家源　晁京　叶卫春　 (74)专利代理 机构 杭州杭诚专利事务所有限公 司 33109 专利代理师 刘正君 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/59(2022.01) G06V 40/16(2022.01) G06V 10/22(2022.01)G06N 20/00(2019.01) (54)发明名称 一种基于安全帽佩戴识别的叉车安全作业 检测方法 (57)摘要 本发明公开了一种基于安全帽佩戴识别的 叉车安全作业检测方法。 解决现有技术中视频监 控不能检测人员未佩戴安全帽、 进行推动报警的 问题。 步骤包括识别图像中叉车、 司机和行人； 根 据叉车和司机识别区域的重叠率判断获取候选 叉车司机； 裁剪候选叉车司机图像， 识别图像中 的人头像和安全帽； 根据人头像或安全帽识别区 域依次与行人识别 区域、 叉车识别 区域上部、 叉 车识别区域上部中间区域的重叠率判断， 获取叉 车司机的人头像和安全帽识别结果； 根据叉车司 机的人头像和安全帽识别结果进行报警判断。 本 发明实现自动检测叉车司机未戴安全帽进行危 险作业的情况， 有效过滤掉行人路过叉车时导致 的误报， 实现铁路货场叉车司机未戴安全帽的准 确检测。 权利要求书3页 说明书6页 附图1页 CN 114565887 A 2022.05.31 CN 114565887 A 1.一种基于安全帽佩戴识别的叉车安全作业检测方法， 对摄像机拍摄的作业 区域图像 进行分析， 其特 征在于： 包括以下步骤： S1.采用预训练的深度学习目标模型识别图像中叉 车、 司机和行 人； S2.根据叉车和司 机识别结果判断进行作业判断， 并根据叉车和司 机识别区域的重叠 率判断获取候选叉 车司机； S3.裁剪候选叉车司 机图像， 采用预训练的深度学习目标模型识别图像中的人头像和 安全帽； S4.根据人头像或安全帽识别区域依次与行人识别区域、 叉车司机识别区域上部、 叉车 识别区域上部中间区域的重 叠率判断， 获取 叉车司机的人头像和安全帽识别结果； S5.根据叉 车司机的人头像和安全帽识别结果进行报警判断。 2.根据权利要求1所述的一种基于安全帽佩戴识别的叉车安全作业检测方法， 其特征 是所述步骤S1具体过程包括： 采集一帧实时监控图像； 采用预训练的深度学习目标模型识别图像中叉车、 司机和行人， 获得叉车、 司机、 行人 识别结果； 其中叉车识别结果包括一个叉车的叉车识别框， 以及叉车识别框左上顶点坐标和宽 高， 司机识别结果包括一个坐着的人的司机识别框， 以及司机识别框左上顶点坐标和宽高， 行人识别结果包括站立的人的行 人识别框， 以及行 人识别框左上坐标和宽高。 3.根据权利要求2所述的一种基于安全帽佩戴识别的叉车安全作业检测方法， 其特征 是所述根据叉车和司机识别结果判断进行作业判断， 包括： 判断是否识别出叉车， 若无叉车， 则跳过当前帧图像， 进入下一帧图像分析， 若有叉车， 进入下一 步判断； 判断叉车识别框是否满足第 一条件， 若不满足， 则跳过当前帧图像， 进入下一帧图像分 析， 若满足， 进入下一步判断， 其中第一条件为叉车识别框宽度大于q1且叉车识别框宽高比 或高宽比小于p； 判断是否识别出司机， 若无司机， 则跳过当前帧图像， 进入下一帧图像分析， 若有司机， 则判断叉 车可能作业。 4.根据权利要求3所述的一种基于安全帽佩戴识别的叉车安全作业检测方法， 其特征 是所述根据叉车和司机识别区域的重 叠率判断获取候选叉 车司机， 包括： 遍历司机识别结果， 计算司机识别框与叉车识别框的重叠率， 判断重叠率是否小于第 一阈值， 若 是， 判断该目标非叉车司机， 若否， 判断该目标为候选叉车司机， 若最 终都为非叉 车司机， 则跳过当前帧图像， 进入下一帧图像分析； 司机识别框与叉 车识别框的重 叠率计算包括， 计算叉车与司机 重叠区域宽 w＝min(fxmin+fw,dxmi n+dw)‑max(fxmi n,dxmin)， 计算叉车与司机 重叠区域高 h＝min(fymin+fh,dymi n+dh)‑max(fymi n,dymin)， 其中fxmin， fymin表示叉车识别框左上顶点坐标， fw表示叉车识别框宽度， fh表示叉车 识别框高度， dxmin,dymin表示司机识别框左上顶点坐标， dw表示司机识别框宽度， dh表示权　利　要　求　书 1/3 页 2 CN 114565887 A 2司机识别框高度； 计算司机识别框与叉 车识别框的重 叠率 5.根据权利要求4所述的一种基于安全帽佩戴识别的叉车安全作业检测方法， 其特征 是所述步骤S3的具体过程包括： 根据判断获得的候选叉车司机， 从图像中裁剪出候选叉车司机的司机识别框 图像， 采 用预训练的深度学习目标模型识别得到人头像和安全帽识别结果； 其中人头像识别结果包括一个人头像的人头像识别框， 以及人头像识别框左上顶点坐 标和宽高， 安全帽识别结果包括一个安全帽的安全帽识别框， 以及安全帽识别框左上顶点 坐标和宽高； 判断人头像或安全帽识别框是否满足第二条件， 若不满足， 过滤掉不满足第二条件的 人头像或安全帽识别结果， 若满足， 获得符合第二条件的人头像或安全帽识别结果， 其中第 二条件为人头像或安全帽识别框 宽度或高度大于等于q2。 6.根据权利要求5所述的一种基于安全帽佩戴识别的叉车安全作业检测方法， 其特征 是所述人头像或安全帽识别区域与行 人识别区域的重 叠率判断， 包括： 遍历人头像或安全帽识别结果， 计算人头像或安全帽识别区域与行人识别区域的重叠 率， 判断重叠率是否大于第二阈值， 若是， 判断人头像或安全帽为非叉车司机的， 过滤该人 头像或安全帽， 若否， 进入下一 步骤。 7.根据权利要求6所述的一种基于安全帽佩戴识别的叉车安全作业检测方法， 其特征 是所述人头像或安全帽识别区域与叉 车司机识别区域上部的重 叠率判断， 包括： 根据人头像或安全帽识别区域与 行人识别区域的重叠率判断结果， 遍历人头像或安全 帽识别结果， 计算人头像或安全帽识别区域与叉车司机识别区域的上1/2部 分的重叠率， 判 断重叠率是否小于第三阈值， 若 是， 判断人头像或安全帽为 非叉车司机的， 过滤该人头像或 安全帽， 若否， 进入下一 步骤。 8.根据权利要求7所述的一种基于安全帽佩戴识别的叉车安全作业检测方法， 其特征 是所述根据人头像或安全帽识别区域与叉 车识别区域上部中间区域的重 叠率判断， 包括： 根据人头像或安全帽识别区域与叉车司 机识别区域的上1/2部分的重叠率判断结果， 遍历人头像或安全帽识别结果， 判断人头像或安全帽识别区域与叉车识别区域的上1/2部 分中间区域是否完全重叠， 若否， 判断人头像或安全帽为 非叉车司机的， 过滤该人头像或安 全帽， 若是， 判断人头像或安全帽可能为叉 车司机的； 人头像或安全帽识别区域与叉车识别区域的上1/2部分中间区域是否完全重叠判断包 括， 是否同时满足以下四个条件， 若是则判断完全重 叠， 若否， 则判断不完全重 叠， 条件1： fxmi n+fw/4小于等于 hxmin 条件2： fxmi n+(fw/4)* 3大于等于 hxmin+hw 条件3： fymi n小于等于 hymin 条件4： fymi n+fh/2大于等于 hxmin+hh 其中hxmin， hymin表示行人识别框左上顶点坐标， fw表示行人识别框宽度， hh表示行人 识别框高度。权　利　要　求　书 2/3 页 3 CN 114565887 A 3