基于智能視頻監(jiān)控的安全帽檢測.pdf

1、隨著社會經(jīng)濟的高速發(fā)展和生產(chǎn)規(guī)模的不斷擴大，安全生產(chǎn)問題己經(jīng)成為現(xiàn)代社會發(fā)展所必須解決的難題之一。為保障生產(chǎn)人員的人身安全，我們需要對防護工具的佩戴情況做出有效的檢測。目前，視頻監(jiān)控系統(tǒng)已經(jīng)廣泛的應用于各個生產(chǎn)行業(yè)，若通過視頻檢測防護工具的佩戴情況，進而實現(xiàn)報警和聯(lián)動控制，對于安全生產(chǎn)具有重要意義。
　　本文是以建筑施工場地的安全通道為背景，對進入施工場地的作業(yè)人員安全帽佩戴情況予以檢測，并對無佩戴安全帽的人員予以報警。建筑施工場

2、地內(nèi)的安全帽檢測面臨以下幾個難點：(1)安全通道內(nèi)環(huán)境特殊，光照不均勻，大部分區(qū)域存在暗影而個別區(qū)域又存在高光。(2)目標顏色與背景相似，區(qū)分度較低。(3)工地噪音和振動比較嚴重，攝像機拍攝的視頻會產(chǎn)生輕微的抖動，圖像質(zhì)量偏低。(4)施工場地飛塵比較大，噪聲干擾有時比運動目標還要突出，給運動目標的自動檢測帶來很大困難。諸多原因致使目前的許多檢測方法不能直接應用于施工場地視頻檢測。
　　本文首先簡要地介紹各個環(huán)節(jié)的經(jīng)典算法，以實際施

3、工場地視頻為樣本具體分析了施工場地視頻的特點，實現(xiàn)并比較了各種經(jīng)典算法。重點研究運動人員的背景減除檢測方法并提出了加權(quán)時間均值背景模型。其次在特征選取部分嘗試了多種不同的特征，最終給出一組較為有效的特征，實驗結(jié)果表明頭部檢測效果良好。之后針對大小、顏色、磨損程度均不完全一樣的各種安全帽，提出一種基于十六方向Gabor的HOG特征提取方法，并經(jīng)過SVM訓練得到多項式分類器。實驗結(jié)果表明：這種特征提取方法可以克服光照不均對目標識別的影響，在