本發(fā)明涉及智能監(jiān)控，具體地，涉及遠(yuǎn)距離檢測安全帽佩戴的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，更為具體地，涉及基于深度學(xué)習(xí)技術(shù)的遠(yuǎn)距離檢測安全帽佩戴的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、近年來，隨著大型戶外現(xiàn)場的建設(shè)和運(yùn)營增多，對(duì)工人安全的關(guān)注日益增強(qiáng)。在這些場景中，佩戴安全帽是一項(xiàng)重要的安全要求。然而，在現(xiàn)有技術(shù)中，常用的安全帽檢測方法是基于圖像處理和機(jī)器學(xué)習(xí)算法的結(jié)合。這些方法通常通過檢測人體和人頭，然后對(duì)安全帽進(jìn)行檢測和識(shí)別。然而，由于大型戶外現(xiàn)場的復(fù)雜性，傳統(tǒng)的檢測方法面臨著以下問題：遠(yuǎn)距離觀察導(dǎo)致檢測準(zhǔn)確率低下的問題；在大型戶外現(xiàn)場，常常需要進(jìn)行遠(yuǎn)距離觀察，傳統(tǒng)的方法無法實(shí)現(xiàn)對(duì)安全帽的遠(yuǎn)距離觀察，導(dǎo)致安全帽的檢測范圍受限，難以滿足大型戶外現(xiàn)場的需求。

2、綜上所述，針對(duì)工地、電廠等大型戶外現(xiàn)場安全帽識(shí)別準(zhǔn)確率低下的問題，需要一種深度學(xué)習(xí)的遠(yuǎn)距離觀察的安全帽佩戴檢測方法來提高檢測準(zhǔn)確率，并解決遠(yuǎn)距離觀察的限制。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于解決現(xiàn)有技術(shù)中無法實(shí)現(xiàn)對(duì)安全帽的遠(yuǎn)距離觀察，導(dǎo)致安全帽的檢測范圍受限，難以滿足大型戶外現(xiàn)場的需求的問題。

2、本發(fā)明第一方面提供了一種遠(yuǎn)距離檢測安全帽佩戴的方法，包括：利用基于全景預(yù)置位的ptz云臺(tái)攝像頭采集目標(biāo)現(xiàn)場的視頻流；利用視頻流中的幀圖片進(jìn)行人形檢測，當(dāng)檢測到人形時(shí)，則通過調(diào)整云臺(tái)焦距對(duì)當(dāng)前檢測到的人形實(shí)現(xiàn)近距離監(jiān)控；在近距離監(jiān)控下，基于ptz云臺(tái)攝像頭采集包含目標(biāo)人形的視頻流，并基于包含目標(biāo)人形視頻流中的幀圖片進(jìn)行安全帽檢測。

3、可選的，在本發(fā)明第一方面的第一種實(shí)現(xiàn)方式中，在所述利用基于全景預(yù)置位的ptz云臺(tái)攝像頭采集目標(biāo)現(xiàn)場的視頻流之前，所述方法還包括：將ptz云臺(tái)與服務(wù)器建立連接；其中，與ptz云臺(tái)連接后的服務(wù)器用于遠(yuǎn)程控制所述ptz云臺(tái)，獲取通過所述ptz云臺(tái)采集到的目標(biāo)現(xiàn)場視頻流，基于獲取的目標(biāo)現(xiàn)場視頻流對(duì)應(yīng)的幀圖片利用深度學(xué)習(xí)模型進(jìn)行目標(biāo)檢測。

4、可選的，在本發(fā)明第一方面的第二種實(shí)現(xiàn)方式中，在所述利用基于全景預(yù)置位的ptz云臺(tái)采集目標(biāo)現(xiàn)場的視頻流之前，所述方法還包括：在服務(wù)器上部署pytorch框架，通過pytorch框架構(gòu)建不同的深度學(xué)習(xí)模型，并對(duì)不同的深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，將訓(xùn)練后的不同的深度學(xué)習(xí)模型部署在服務(wù)器上；所述不同的深度學(xué)習(xí)模型包括：第一人形檢測模型、第二人形檢測模型、人頭檢測模型以及安全帽檢測模型；所述第一人形檢測模型是基于深度學(xué)習(xí)模型，利用全景預(yù)置位獲取的目標(biāo)現(xiàn)場視頻流實(shí)現(xiàn)人形檢測；所述第二人形檢測模型是基于深度學(xué)習(xí)模型，利用近距離監(jiān)控下獲取的目標(biāo)現(xiàn)場視頻流實(shí)現(xiàn)人形檢測；所述人頭檢測模型是基于深度學(xué)習(xí)模型，利用近距離監(jiān)控下獲取的目標(biāo)現(xiàn)場視頻流實(shí)現(xiàn)人頭檢測；所述安全帽檢測模型是基于深度學(xué)習(xí)模型，利用近距離監(jiān)控下獲取的目標(biāo)現(xiàn)場視頻流實(shí)現(xiàn)安全帽檢測。

5、可選的，在本發(fā)明第一方面的第三種實(shí)現(xiàn)方式中，所述利用視頻流中的幀圖片進(jìn)行人形檢測，包括：對(duì)服務(wù)器進(jìn)行抽取幀圖片間隔頻率設(shè)置；其中，抽取幀圖片間隔頻率設(shè)置后的服務(wù)器用于定時(shí)從ptz云臺(tái)視頻流中抽取幀圖片；基于定時(shí)從ptz云臺(tái)視頻流中抽取的幀圖片，利用第一人形檢測模型進(jìn)行人形檢測。

6、可選的，在本發(fā)明第一方面的第四種實(shí)現(xiàn)方式中，所述通過調(diào)整云臺(tái)焦距對(duì)當(dāng)前檢測到的人形實(shí)現(xiàn)近距離監(jiān)控，包括：根據(jù)檢測到的人形在圖片幀中的位置信息，結(jié)合ptz云臺(tái)攝像頭的安裝位置和角度，計(jì)算檢測到的人形與ptz云臺(tái)攝像頭的距離；根據(jù)計(jì)算得到的檢測到的人形與ptz云臺(tái)攝像頭的距離，基于設(shè)定的焦距調(diào)整規(guī)則自動(dòng)調(diào)整ptz云臺(tái)攝像頭的焦距。

7、可選的，在本發(fā)明第一方面的第五種實(shí)現(xiàn)方式中，在近距離監(jiān)控下，基于ptz云臺(tái)攝像頭采集包含目標(biāo)人形的視頻流，并基于包含目標(biāo)人形視頻流中的幀圖片進(jìn)行安全帽檢測，包括：基于ptz云臺(tái)攝像頭采集到的包含目標(biāo)人形的視頻流實(shí)時(shí)抽取幀圖片，基于當(dāng)前抽取到的幀圖片，利用第二人形檢測模型進(jìn)行人形檢測；當(dāng)確認(rèn)為人形時(shí)，則基于當(dāng)前抽取到的幀圖片，利用人頭檢測模型進(jìn)行人頭檢測；當(dāng)確認(rèn)為人頭時(shí)，則基于當(dāng)前抽取到的幀圖片，利用安全帽檢測模型進(jìn)行安全帽檢測。

8、可選的，在本發(fā)明第一方面的第六種實(shí)現(xiàn)方式中，當(dāng)檢測到人員未佩戴安全帽時(shí)，服務(wù)器發(fā)出告警信息，并通過顯示屏進(jìn)行展示。

9、本發(fā)明第二方面提供了一種遠(yuǎn)距離檢測安全帽佩戴的裝置，包括：采集視頻流模塊，用于利用基于全景預(yù)置位的ptz云臺(tái)攝像頭采集目標(biāo)現(xiàn)場的視頻流；人形檢測模塊，用于利用視頻流中的幀圖片進(jìn)行人形檢測，當(dāng)檢測到人形時(shí)，則通過調(diào)整云臺(tái)焦距對(duì)當(dāng)前檢測到的人形實(shí)現(xiàn)近距離監(jiān)控；安全帽檢測模塊，用于在近距離監(jiān)控下，基于ptz云臺(tái)攝像頭采集到的目標(biāo)現(xiàn)場視頻流中的幀圖片進(jìn)行安全帽檢測。

10、可選的，在本發(fā)明第二方面的第一種實(shí)現(xiàn)方式中，在利用基于全景預(yù)置位的ptz云臺(tái)攝像頭采集目標(biāo)現(xiàn)場的視頻流之前，還包括：將ptz云臺(tái)與服務(wù)器建立連接；其中，與ptz云臺(tái)連接后的服務(wù)器用于遠(yuǎn)程控制所述ptz云臺(tái)，獲取通過所述ptz云臺(tái)采集到的目標(biāo)現(xiàn)場視頻流，基于獲取的目標(biāo)現(xiàn)場視頻流對(duì)應(yīng)的幀圖片利用深度學(xué)習(xí)模型進(jìn)行目標(biāo)檢測。

11、可選的，在本發(fā)明第二方面的第二種實(shí)現(xiàn)方式中，在利用基于全景預(yù)置位的ptz云臺(tái)采集目標(biāo)現(xiàn)場的視頻流之前，還包括：在服務(wù)器上部署pytorch框架，通過pytorch框架構(gòu)建不同的深度學(xué)習(xí)模型，并對(duì)不同的深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，將訓(xùn)練后的不同的深度學(xué)習(xí)模型部署在服務(wù)器上；所述不同的深度學(xué)習(xí)模型包括：第一人形檢測模型、第二人形檢測模型、人頭檢測模型以及安全帽檢測模型；所述第一人形檢測模型是基于深度學(xué)習(xí)模型，利用全景預(yù)置位獲取的目標(biāo)現(xiàn)場視頻流實(shí)現(xiàn)人形檢測；所述第二人形檢測模型是基于深度學(xué)習(xí)模型，利用近距離監(jiān)控下獲取的目標(biāo)現(xiàn)場視頻流實(shí)現(xiàn)人形檢測；所述人頭檢測模型是基于深度學(xué)習(xí)模型，利用近距離監(jiān)控下獲取的目標(biāo)現(xiàn)場視頻流實(shí)現(xiàn)人頭檢測；所述安全帽檢測模型是基于深度學(xué)習(xí)模型，利用近距離監(jiān)控下獲取的目標(biāo)現(xiàn)場視頻流實(shí)現(xiàn)安全帽檢測。

12、可選的，在本發(fā)明第二方面的第三種實(shí)現(xiàn)方式中，所述人形檢測模塊包括：對(duì)服務(wù)器進(jìn)行抽取幀圖片間隔頻率設(shè)置；其中，抽取幀圖片間隔頻率設(shè)置后的服務(wù)器用于定時(shí)從ptz云臺(tái)視頻流中抽取幀圖片；基于定時(shí)從ptz云臺(tái)視頻流中抽取的幀圖片，利用第一人形檢測模型進(jìn)行人形檢測。

13、可選的，在本發(fā)明第二方面的第四種實(shí)現(xiàn)方式中，所述通過調(diào)整云臺(tái)焦距對(duì)當(dāng)前檢測到的人形實(shí)現(xiàn)近距離監(jiān)控，包括：根據(jù)檢測到的人形在圖片幀中的位置信息，結(jié)合ptz云臺(tái)攝像頭的安裝位置和角度，計(jì)算檢測到的人形與ptz云臺(tái)攝像頭的距離；根據(jù)計(jì)算得到的檢測到的人形與ptz云臺(tái)攝像頭的距離，基于設(shè)定的焦距調(diào)整規(guī)則自動(dòng)調(diào)整ptz云臺(tái)攝像頭的焦距。

14、可選的，在本發(fā)明第二方面的第五種實(shí)現(xiàn)方式中，所述安全帽檢測模塊包括：人形檢測確認(rèn)單元：基于ptz云臺(tái)攝像頭采集到的包含目標(biāo)人形的視頻流實(shí)時(shí)抽取幀圖片，基于當(dāng)前抽取到的幀圖片，利用第二人形檢測模型進(jìn)行人形檢測；人頭檢測單元：當(dāng)確認(rèn)為人形時(shí)，則基于當(dāng)前抽取到的幀圖片，利用人頭檢測模型進(jìn)行人頭檢測；安全帽檢測單元：當(dāng)確認(rèn)為人頭時(shí)，則基于當(dāng)前抽取到的幀圖片，利用安全帽檢測模型進(jìn)行安全帽檢測。

15、可選的，在本發(fā)明第二方面的第六種實(shí)現(xiàn)方式中，還包括：告警模塊：當(dāng)檢測到人員未佩戴安全帽時(shí)，服務(wù)器發(fā)出告警信息，并通過顯示屏進(jìn)行展示。

16、本發(fā)明第三方面提供了一種電子設(shè)備，包括存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令；所述至少一個(gè)處理器調(diào)用所述存儲(chǔ)器中的所述指令，以使得所述電子設(shè)備執(zhí)行如上所述的遠(yuǎn)距離檢測安全帽佩戴的方法的各個(gè)步驟。

17、本發(fā)明第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，所述指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述遠(yuǎn)距離檢測安全帽佩戴的方法的各個(gè)步驟。

18、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

19、1、本發(fā)明通過ptz云臺(tái)的攝像頭進(jìn)行遠(yuǎn)距離觀察和近距離識(shí)別，有效地解決了安全帽識(shí)別的準(zhǔn)確性，同時(shí)不易受到距離、光照、遮擋等因素的影響；

20、2、本發(fā)明在檢測到人員后，根據(jù)距離自動(dòng)調(diào)整云臺(tái)的放大倍數(shù)，實(shí)現(xiàn)近距離識(shí)別；相比于傳統(tǒng)的固定倍數(shù)觀察方式，能夠更精確地觀察到人員的細(xì)節(jié)情況，提高安全帽檢測的準(zhǔn)確性；

21、3、本發(fā)明通過人體檢測和人頭檢測兩個(gè)步驟，能夠快速確定是否佩戴安全帽。當(dāng)確認(rèn)為人頭后，即可進(jìn)行安全帽的檢測識(shí)別；相比于傳統(tǒng)的逐幀遍歷檢測方式，節(jié)省了大量的計(jì)算時(shí)間，提高了檢測速度。

22、4、本發(fā)明通過使用ptz云臺(tái)攝像頭先進(jìn)行人形檢測，再進(jìn)行近距離監(jiān)控和安全帽檢測識(shí)別，提高了工地、電廠等大型戶外現(xiàn)場安全帽識(shí)別準(zhǔn)確率；