现场工人安全识别装置的研究

孙长廷 杜齐 蔡宇

摘要：以人为本、生命至上，减少建筑工地安全事故发生率，能有效保障生命财产安全。以图像识别技术为技术支持，结合建筑工人智能安全检测系统，创新出一种劳保用品穿戴情况识别装置。该系统识别率较高、硬件投资低、检测速度快、准确率高、应用场景广泛。

关键词：施工安全;图像识别;建筑工人;安全检查;深度图像

1.建筑工人智能安全检查系统的架构

1.1系统构成

建筑工人智能安全检查系统的核心硬件为深度摄像头和计算机（PC），用于图像采集、加工处理、结果显示等。

1.2系统数据库

首先对以下概念进行定义。

1）需提前整合工人基本信息。同时录入工作区域、工作地点、工作时长等信息

2）安全装置模型库：使用3D软件建立模型库

3）行为数据库：将人体简化为若干点的合集。然后使用专用相机捕捉各点，录入数据库。

1.3系统运行流程

以数字图像处理技术为支撑，通过专用相机捕捉，与模型库比较，计算出结果。

系统的各子功能运行流程及实现方式如下：

1）身份识别：用专用摄像扫描，与模型库对比。

2）安全设备检查：用专用相机扫描，再与模型库对比。采用了比较简单的模板匹配。

3）运动行为能力测试：要求工人在摄像机前完成指定动作并录入数据库。后期通过与数据库比较，确定工人状态。

2.建筑工人智能安全检查系统实现与测试

2.1实现平台

硬件方面，建筑工人智能安全检查系统使用微软公司推出的Kinect体感设备作为图像采集工具。该设备包含彩色摄像头、红外摄像头（图3），可同时采集彩色图像和深度图像。其他设备还包含计算机、三脚架等。

软件方面，该系统使用 OpenCV（Open Source Com-puter Vision Library）为平台，包含背景建模、特征检测、轮廓提取、图像分割等多个图像处理函数。采用C/C++语言，同时保留了 Matlab、Ruby、Ruby等接口，可在Win-dows、Mac OS、Linux操作系统中运行。

2.2 系统测试

以若干工人为实验样本，进行了一系列测试。

具体测试项目及效果如下。

1） 自动识别和最优算法比较

调用对比直方图函数，将获取到的人脸信息与数据库中信息进行比对，实现身份识别。

本系统采用相关系数法进行匹配，图像之间的最大相关系数为最佳匹配图像，通过大量训练可以获得稳定的匹配效果。

2） 安全装置的检查和最优算法的比较

模板匹配在源图像中滑动并搜索模板图像，以获得与最相似区域大小相同的两个区域。模板匹配有六种方法，从简单到复杂，平方差匹配，归一化平方差匹配，相关匹配，归一化相关匹配，相关系数匹配，归一化相关系数匹配。

R（x，y）=Σ[T（x'，y）·！'（x+x'，y+y'）]/Σr（x）·Σ"（x+x'，y+y）2

其中：

T'（x'，y） =T（x'，y）-/.n·ΣT（x"，x"）

！（x+x'，x+y）=1（x+x'，y+y）-1.h·Σ /（x+x"，y+y"） 表达式中，T（x，y）表示模板图像（x，y）的像素值，1（x，high，R表示匹配程度，R值越大，匹配效果和匹配度越高效果y）代表源图像（x和y的像素值），w和h代表模板图像的长度和高度。

3.操作能力检查

在检查过程中，要求操作者在摄像机前执行指定的动作，系统跟踪骨骼节点的运动特征，然后进行差异分析。

在行为特征识别过程中，我们建立以图像左上角为原点并按像素缩放的坐标系，并使用OpenCV自动提取骨架坐标和骨架角度。

3.1 识别

本次测试中，正确回答率为83.75%，具体效果统计见表5。考虑到夏季高温和阳光对工人肤色的影响，需要定期更换工人信息库中的照片，以提高识别准确率。

3.2 安全设备检查

测试结果发现，头盔识别准确率为96.25%，检测率没有下降，效果稳定。安全带正确识别率为63.75%。

经分析，安全带识别准确率低的原因如下：

在安全带检测过程中，服装的某些部分很容易被误认为是安全带，或者导致服装的障碍物、气密性、轮廓不清晰和被忽视的检查。此外，当头盔暴露在光线下时，它往往会在白色背景后面留下类似于墙壁的轮廓阴影，这可能会导致头盔错误识别物体。

3.3 操作能力检查

在本次测试中，为了加快计算速度，我们使用像素作为采集图像的尺度来建立相对坐标系，并根据向量计算角度。在这个过程中，获取到的3D坐标信息被人为压缩成2D平面信息，丢失了一些信息。对此，骨节点角度本身的阈值设置是将根t得到的骨骼模型转换成图像后计算的，与测试过程中的骨节点角度计算方法相同，所以有3个可以将三维坐标信息压缩成二维坐标信息。过程错误。同时，驾驶行为能力测试的有效性取决于规定行为的设置，后续应根据相关安全规则和要求，结合工种特点与具体施工活动设置。

4.结论

在设计并测试了基于图像识别技术的建筑工人智能安全檢查系统。该系统可用于识别建筑工人、检查安全装置和检查操作行为能力。经测试，系统识别准确率为83.75%，头盔识别准确率为96.25%，安全带识别准确率为63.75%，满足实际需求。上述系统可在普通计算机上运行，具有硬件投资低、检测速度快、准确率高、应用场景广泛等优点。这弥补了传统建筑安全自动化水平低的缺点。管理领域。该系统还可用于矿山、电力等行业的安全检查，具有推广价值。

2273500511340