基于可变形部件模型的安全头盔佩戴检测.pdf

第33卷第3期
计算机应用研
Vol 33 No. 3
2016年3月
pplication Research of Computers
Mar.2016
基于可变形部件模型的安全头盔佩戴检测
贾峻苏,鮑庆洁,唐慧明2
(1.浙江大学信息与通信工程研究所,杭州310027:2.浙江省综合信息网技术重点实验室,杭州310027;3.四
川华雁信息产业股份有限公司,成都61004)
摘要:利用视烦监控系统进行安全头盔佩戴检测,对于安全生产有着重要意义。已有的安全头盔佩戴检测算
法有较多的应用场景条件限制,难以同时满足不同场景需求。针对这一问题,提出了一种应用于安全头盔佩戴
检测的算法。该方法依托可变形部件模型,提出了基于块的局部二值模式直方图,与梯度方向直方图和颜色特
征共同组成特征向量,使用支持向登机进行训练和检测,利用了单一使用梯度方向直方图作为特征附所损失的
有效信息。实验结罘表明,该方法优于原可变形部件模型,在安全头盔测试集上的平均检测率提高了7.2%,达
到86.7%,已接近应用要求
关键词:目标检测;可变形部件模型;梯度方向直方图;局部二値模式;支持向量机
中图分类号:TP391.4
文献标志码:A文章编号:1001-3695(2016)03-0953-04
doi:10.3969/j.issn.1001-3695.2016.03.072
Method for detecting safety helmet based on deformable part model
Jia Junsu",Bao Qingjie, Ta
( 1. Institute of nformation &omm ation ngin ng, Zh g i g hou 31(027 hn Zhe ang P inc ey r
o f m lg, Hn o 310027 Ch 3. S er m I t Co d, en 610041
China
Abstract: Safety helmet wearing detection through video monitoring systcm is cxtremcly mcaningful for safcty production ma
nagncnl. However, lhc presenl deletion al orithms have Loo many appliealion restrictions to mcel Ihe nceds of various o
sions. Therefore, this paper developed an improved algorithm to solve the problem. It proposed a modified deformable part
model (DPM by a combination of histogram of block-based local binary pattern(hob-1bp), histogram of oriented gradient
HOG) and color features. With the usage of support vector machine for training and detecting, this algorithm effectively di-
minished the loss of information compared with the original DPM which only included the HOG feature. According to the ex
periment on the safety helmet database, the average precision is increased by 7. 2% and reached 86. 7%, meeting the appli-
calion rcquiremc nlls basical
Key words: Largcl deletion; deformable parl models; histogram of oricnted gradients; local binary pallern; supporl vcelor
machine
变电站、施工现场等危险场所作业均有佩戯安全头盔的要部分纹埋信息。
求,不佩戴安全头盔有着非常严重的安全隐忠,在视频监控系
安全头盔的特点为,具有和对规则的边缘轮廓、局部相似
统中智能检測人员是否佩載安全头奈并作出相回馈,可降低的领色和相対半坦的纹理。领色和纹理信息是HOG特征和
不稳定因索。头的颜色、形状、佩或者的头部轮席以及观测DPM没有究分利用的,本文通过分析和比较,提出了基于块的
角度等变化导致其类内距较人,通川性广、准确率高的安全局部二值模式直方图特征,并加入合适的颜色特征,采川文持
头盔检測仍是一个难点。现有的安全头縊检测算法“有较向量机进行训练和检测,得到了一种适用性バ、检测准确度更
多的场景条件限制,适用性较差,难以满足不同场景的需求。高的安全头盔佩戴检测算法。
当前日标檢测卞要采用的是 Dalal等人在2005年提出
的梯度方向方图( histogram of oriented gradient,HOC)特征
可变形部件模型
Fclzcnszwalby等人6在2008年提出了可变形部件模型( deforma
bie part molel,DPM),対HOG特征进行收进,人幅提升了检测
Fclzcnszwalb)等人?提出的可变形部件模型在梯度方向白
准确度。2012年, Airsick L?对可变形部什模型进行了优化,方图的基世上进行了扩機,使用弹簧形变模利表征目标
使用星结构替代串联结构,加入轮廓预测,进一步提升了检部件的空向位凿关系,解决了?标部分遮挡和做小形变的问
测准确度。但是,HOG特征在提取时使用图像梯度进行角度题,同时通过对同一目标不同角度建立多个模型,人幅提升了
化计算,损失了原始图像的颜色信息;角度化后使用角度直方检測的准确率。
图表征边缘信息,虽然降低了特征维度,但损失了原始图像的
摒此本文构建了安全头盔佩戴模型,将模型分为根模型
收稿日期:2015-01-09;修回日期:2015-03-02基金项目:中央高校基本科研业务费专项资全资助项目(2012FZA5008)
作者简介:贾峻苏(1989-),男,辽宁辽阳人,硕士,主要研究方向为图像处理与模式识別(Jiajun(@zju.edhu.cn);庆洁(1984-),男,工程师,
硕士,主要研究方向为图像处理与模式识别;唐慧明(1963-),男,副教授,主要研究方向为图像通信、图像识别