施工現(xiàn)場安全帽佩戴情況監(jiān)控技術研究

劉云波,黃 華

(1.南京市公路管理處 公路科學研究所,江蘇 南京 210039;2.南京市公路管理處,江蘇 南京 210014)

施工現(xiàn)場安全帽佩戴情況監(jiān)控技術研究

劉云波1,黃 華2

(1.南京市公路管理處 公路科學研究所,江蘇 南京 210039;2.南京市公路管理處,江蘇 南京 210014)

針對施工工地需要統(tǒng)計和監(jiān)控工人佩戴安全帽情況,提出一種基于計算機視覺的施工現(xiàn)場安全帽佩戴情況監(jiān)控方法。首先用背景差法從獲得的視頻圖像中提取出前景,并對其進行二值化將運動目標分割出來;然后再根據(jù)運動目標的特征通過尺度濾波等方法區(qū)分其是否為代表人的運動目標,對代表人的運動目標進行跟蹤和標記;最后,在路面中間處設置兩條檢測線,當代表人的運動目標到達兩條檢測線中間時,通過檢測其1/3部分中的像素點色度值分布情況,判斷該人是否佩戴安全帽及安全帽的顏色。經(jīng)實驗結果表明,該方法能滿足準確高效的要求。

計算機視覺;運動目標;安全帽檢測

安全帽作為一種個人頭部防護用品,能有效地防止和減輕操作人員在生產(chǎn)作業(yè)中遭受墜落物體或自墜落時對頭部的傷害。道路施工現(xiàn)場施工人員佩戴安全帽是一種必須的安全措施,能在一定程度上保障施工人員的人身安全,因此,道路施工現(xiàn)場安全帽佩戴情況監(jiān)控具有重要意義。對進出施工現(xiàn)場佩戴不同顏色安全帽的施工人員進行統(tǒng)計和監(jiān)控,并在發(fā)現(xiàn)沒戴安全帽的工人時及時發(fā)出告警,能實現(xiàn)資源的合理分配和人員的有效管理,并能盡可能地保障施工人員的安全。然而目前施工現(xiàn)場對安全帽佩戴情況的監(jiān)控大多仍依賴人工監(jiān)視,尚未形成一個自動監(jiān)控的系統(tǒng)。本文針對這一需求,提出了一種基于計算機視覺的施工現(xiàn)場安全帽佩戴情況監(jiān)控方法,其可自動對施工現(xiàn)場施工人員的安全帽佩戴情況進行監(jiān)控。

1 安全帽檢測及統(tǒng)計算法

將一架攝像機置于監(jiān)控區(qū)域出入口處,與一臺位于后端的工控機相連,攝像機安裝于高于地面8～10 m的立桿上,調(diào)整其視角范圍覆蓋整個出入口區(qū)域,攝像機與后端工控機通過網(wǎng)絡相通信,工控機根據(jù)獲得的圖像和數(shù)據(jù)信息對出入口進行監(jiān)控,對進入的施工人員佩戴的各種安全帽數(shù)量進行統(tǒng)計。

工控機進行圖像處理時,首先通過運動目標檢測技術得到代表人的運動目標,然后在攝像機獲取的圖片靠中心位置設置兩條間距很小的水平檢測線,當代表人的運動目標到達兩條檢測線之間時,查看該目標是否為重檢目標,若不是重檢目標則對其佩戴安全帽情況進行檢測,若是重檢目標則舍棄該目標,繼續(xù)檢測該幀其他目標。如此記錄每一幀走過出入口檢測線的施工人員佩戴安全帽的情況,并將得到的信息存入系統(tǒng)統(tǒng)計日志[3]。

圖1 檢測流程圖

1.1 代表人的運動目標的獲取

系統(tǒng)開機后,工控機首先使用高斯背景模型的方法對開始獲取的一段圖像序列進行處理,得到一張初始背景[1]。然后開始正式監(jiān)控,實時使用背景差法得到差分圖像,即用當前幀圖像減去當前背景得到當前前景。如式(1)所示,計算當前檢測圖像與背景圖像上每一像素的灰度值之差

(1)

式中,Dk為像素k的灰度值之差;Ik為像素 k在當前圖像I中的灰度值;Bk為像素k在背景圖像B中的灰度值。

得到差分圖像后對其進行二值化,其中二值化的閾值很重要,是區(qū)分一個像素點屬于前景運動目標點還是屬于背景點的關鍵。二值化時采用固定閾值雖然簡單但分割效果不好,而直方圖閾值分割算法需被分割圖像的灰度直方圖呈明顯雙峰,考慮到光強度變化對二值化分割的影響,采用一種基于圖像平均灰度值的閾值分割算法[9],即用當前檢測圖像的平均灰度值L與比例系數(shù)μ的乘積作為差分圖像二值化分割的閾值

T=μ×L

(2)

式中,T為差分圖像分割的閾值;μ為比例系數(shù);L為當前圖像的平均灰度值。μ在范圍(0.15,0.3)內(nèi)取值,實驗發(fā)現(xiàn)針對本文場景選用μ=0.25較為合適。

二值化的過程如式(3)所示,其中S(x,y)表示二值化分割后圖像在(x,y)處的灰度值,D(x,y)表示差分圖像在(x,y)處的灰度值,T為式(2)得到的二值化分割閾值

(3)

在二值圖中找出灰度值為255的點集輪廓認為其代表運動目標,并通過濾波得到代表人的運動目標,針對代表人的運動目標進行跟蹤和標記?？紤]到場景中的背景變化程度以及系統(tǒng)實時性要求,后續(xù)監(jiān)控過程中實時通過滑動平均模型的方法來實時更新背景[2],其更新速率由場景中的前景點密度決定,與場景點密度成反比,這樣盡可能地避免了把前景更新入背景的情況。

1.2 代表人的運動目標的跟蹤

當監(jiān)控設備開始監(jiān)控時,對攝像頭獲取的每一幀圖像使用背景差分法以及二值化得出二值化前景圖,并對其進行中值濾波、高斯濾波、腐蝕、膨脹等預處理操作,盡可能地去除整個二值化前景圖中的噪聲點;然后在其中依據(jù)尺寸濾波和形狀濾波得到大小和形狀符合人在場景中特征的目標,認為是代表施工人員的目標,找出其輪廓的外接矩形,并在前一幀所有戴表施工人員的運動目標中尋找是否有與其外接矩形重疊面積大于一定比例且二者面積差異在設定閾值范圍內(nèi)的目標,若有則認為二者為同一目標,對其進行跟蹤和標記,若沒有則認為是新目標,賦予其新的跟蹤標記[8]。運動目標被跟蹤,它的信息也會隨之傳遞,其中包括該目標首次出現(xiàn)的位置、該目標是進入還是出去、該目標外接矩形框的顏色等信息[4]。

1.3 所戴安全帽的顏色檢測

在攝像頭所獲得的畫面場景中,靠近中心位置設置相距較近的兩條平行檢測線,當代表施工人員的運動目標的中心到達兩條檢測線之間時,首先判斷其是否為重檢目標,若不是則對其所戴安全帽顏色進行檢測,并將結果累加入系統(tǒng)統(tǒng)計日志[5-6]。檢測是否為重檢目標是指該目標的安全帽信息是否已經(jīng)被記錄,如果已經(jīng)被記錄則認為是沒有意義的重檢目標。

為了對施工現(xiàn)場人員佩戴安全帽的情況進行可靠監(jiān)控,要預先對該工地所有安全帽顏色進行編號,并測定每種被編號顏色色度值的通常波動范圍。

在圖像使用的HSV模型中,H色度值表示色彩信息,即所處的光譜顏色的位置,該參數(shù)用一角度量來表示,紅、綠、藍分別相隔120°,互補色分別相差180°。飽和度S為一比例值,范圍從0～1,其表示成所選顏色的純度和該顏色最大的飽和度之間的比率,S=0時只有灰度。V表示色彩的明亮程度,范圍為0～1,但其與光強度之間并無直接聯(lián)系。

攝像機獲取的圖像序列大多以RGB模型的形式體現(xiàn),為使光照等環(huán)境因素對顏色檢測的影響最小,這里采用HSV模型對其進行顏色檢測,那就需要對攝像機圖像進行RGB-HSV轉換,轉換公式如式(4)所示。

(4)

v=max

其中H色度值所代表的顏色特性受光照等環(huán)境變化的影響不大。對在施工現(xiàn)場拍攝的不同光照條件和天氣情況下各種顏色安全帽的圖像進行分析,測試各安全帽顏色H值的分布情況,得出置信度最大的每種安全帽顏色所對應的色度值H波動范圍區(qū)間[7]。

得到代表人的運動目標之后,為避免冗余信息的干擾,考慮到佩戴安全帽的部位為人的頭部,即代表人的運動目標范圍的靠頂端部分,所以選擇在該部分檢測安全帽。實驗表明,取代表人的運動目標上部1/3區(qū)域較為合適,能最大程度地減少計算量。因此,在監(jiān)測過程中,對到達兩條檢測線之間的代表人的有效標記運動目標的外接矩形,劃取其上部1/3區(qū)域作為安全帽潛在區(qū)域。

在安全帽潛在區(qū)域中尋找色度值在預設安全帽顏色范圍內(nèi)的像素點,并以其顏色對應的編號為這些像素點進行標記。將具有相同顏色標記的點的輪廓找出,舍去其中形狀、尺寸、離散度不符合安全帽輪廓預設閾值的輪廓,余下的則被認為是安全帽的輪廓,并根據(jù)其中點的顏色標記得到該安全帽的顏色標記,即認為該工人佩戴了對應顏色的安全帽。若在其中沒有得到任何一個可代表安全帽的輪廓,則認為該運動目標中沒有包含安全帽,即此人沒有戴安全帽,系統(tǒng)發(fā)出警告。

1.4 施工現(xiàn)場安全帽佩戴情況統(tǒng)計

每天從工作時間開始創(chuàng)建當天進出該出入口施工人員佩戴各種安全帽的數(shù)據(jù)日志,初始值均為零,監(jiān)控裝置進行監(jiān)控工作時將從每幀檢測出兩條檢測線間佩戴各種顏色安全帽工人的數(shù)量和信息,實時累加記錄到系統(tǒng)數(shù)據(jù)日志中,并將統(tǒng)計結果實時的傳輸給顯示裝置顯示;當有工人未戴安全帽時,系統(tǒng)在顯示裝置上顯示該工人的圖像并發(fā)出警告。

2 實驗結果及分析

選取高速球攝像機獲取的一段某道路施工現(xiàn)場出入口視頻作為研究對象進行實驗。首先采用圖像分割技術,只選取出入口路面部分區(qū)域,得到檢測帶,從而減少數(shù)據(jù)量,提高處理速度,然后用背景差法檢測出前景,并對前景進行預處理,之后再在前景中檢測出施工人員并檢測其佩戴安全帽的情況。如圖2所示為安全帽檢測過程示意圖,系統(tǒng)攝像頭獲取一張含有施工人員的彩色圖像圖2(a1)～圖2(a4),經(jīng)過灰度化變?yōu)閳D2(b1)～圖2(b4),再將其分別與背景圖片圖2(c1)～圖2(c4)相減并進行二值化分別得到圖2(d1)～圖2(d4)。找出其中代表人的運動目標并截取其外接矩形上1/3部分作為安全帽潛在區(qū)域,如圖2(e1)～圖2(e4-2)所示。在安全帽潛在區(qū)域中遍歷搜索每種安全帽顏色色度值范圍內(nèi)的點,并根據(jù)其所代表的安全帽顏色進行標記,將具有相同顏色標記的點集合起來用二值化圖像表示其輪廓,如圖2(f1)對應圖2(e1)中搜索到黃色安全帽顏色范圍的點集、圖2(f2-1)對應圖2(e2)中搜索到黃色安全帽顏色范圍的點集、圖2(f2-2)對應圖2(e2)中搜索到紅色安全帽顏色范圍的點集、圖2(f4-1)對應圖2(e4-1)中搜索到紅色安全帽顏色范圍的點集、圖2(f4-2)對應圖2(e4-2)中搜索到黃色安全帽顏色范圍的點集?？疾焖鼈兊男螤钶喞獊砼袛嗨欠窨梢源戆踩?若可以代表安全帽則根據(jù)其中點顏色的編號得到該人所戴安全帽的顏色及編號,如圖2(f2-2)中紅色安全帽顏色范圍的點集有兩個,其中下面一個點集輪廓面積遠遠超過安全帽在圖像中的面積閾值,其離散程度也超出設定閾值,因此認為其是干擾輪廓不能代表安全帽,將其剔除,這樣在圖2(f2-2)中只有一個可代表紅色安全帽的輪廓,是符合實際情況的。若在安全帽潛在區(qū)域中未搜索到任何一個可以代表安全帽的輪廓,如在圖2(e3)中的情況,則認為該人沒有戴安全帽,此時系統(tǒng)發(fā)出警告。

圖2 安全帽檢測示意圖

對實錄某道路施工現(xiàn)場的一段長3 h的視頻進行算法驗證,對視頻中施工人員所戴安全帽的情況統(tǒng)計結果如表1所示。

表1 施工人員佩戴安全帽情況檢測統(tǒng)計表

通過表1可得知,本文算法的檢測正確率達到80%以上,該方法可以實現(xiàn)檢測施工人員佩戴安全帽情況的目的,且算法簡單有效,尤其是針對單一背景的單個通過施工人員有良好的檢測效果。但同時,由于實際路面中有水紋、工人密集通過、車輛軋過的輪轍等影響因素,使得檢測中仍存在著一些干擾和誤檢測,這也將是后續(xù)研究中需要解決的問題。

3 結束語

文中提出的施工現(xiàn)場安全帽佩戴情況監(jiān)控方法,可以比較準確地實現(xiàn)對施工現(xiàn)場代表人的運動目標的檢測與跟蹤,并對其所戴安全帽顏色的檢測和統(tǒng)計,基本滿足應用要求。

[1] Zha Yufei,Bi Duyan.Adaptive learning algorithm based on mixture gaussian background[J].Journal of Systems Engineering and Electronics,2007,18(2):369-376.

[2] Shu Te,Chen Yungyaw.Moving object segmentation using improved running gaussian average background model[J].Digital Image Computing:Techniques and Applications(DICTA),2008(15):24-31.

[3] 何鵬,麻文華,黃磊,等.實時人數(shù)計數(shù)系統(tǒng)[J].中國圖象圖形學報,2011,16(5):813-820.

[4] 鄭翔翔,張怡.基于頭部檢測和跟蹤的人數(shù)統(tǒng)計方法[J].計算機應用與軟件,2011,28(2):44-46.

[5] 韓亞偉,張有志,李慶濤,等.動態(tài)場景監(jiān)控系統(tǒng)中人數(shù)統(tǒng)計算法的研究[J].計算機應用與軟件,2011,28(2):260-262.

[6] 張庚,徐昊.簡單背景下基于灰度圖象的人數(shù)統(tǒng)計[J].中國新技術新產(chǎn)品,2009(1):21.

[7] 李愛勤,張緒坤,徐剛,等.顏色檢測系統(tǒng)及其在果蔬干燥中的應用[J].江西科學,2009,27(1):127-131.

[8] 姚敏.數(shù)字圖像處理[M].北京:機械工業(yè)出版社,2006.

[9] 曹丹華,鄒偉,吳裕斌.基于背景圖像差分的運動人體檢測[J].光電工程,2007,34(7):107-111.

Research on Monitoring of Workers’ Helmet Wearing at the Construction Site

LIU Yunbo1,HUANG Hua2

(1.Nanjing Highway Administration Department,Nanjing Highway Scientific Research Institute,Nanjing 210039,China;2.Nanjing Highway Scientific Research Institute,Nanjing 210014,China)

To monitor workers’ helmet wearing in the construction site and keep its statistics,this paper proposes a method of monitoring workers helmet wearing in the construction site based on computer vision.First,using the background difference method the foreground is extracted from the video image,its binary image is obtained and the moving target is split;second,it is distinguished whether the moving target is representing a person according to the characteristics of the moving targets by the scaling filtering method and so on,and the moving target representing a person needs to be tracked and marked;finally,two test lines are set in the middle of the road.When a moving target representing a person reaches the middle of the two lines,the distribution of pixel color values in its upper third area is detected to determine whether a person is wearing a helmet and the color of the helmet.Experimental results demonstrate that this method can meet the requirements on accuracy and efficiency．

computer vision;moving target;helmets detection

2014- 08- 10

劉云波(1972—),男,本科。研究方向:路網(wǎng)監(jiān)控。E-mail:421629136@qq.com。黃華(1976—),男,本科。研究方向:公路路網(wǎng)監(jiān)控,交通安全。

10.16180/j.cnki.issn1007-7820.2015.04.019

TP277

A

1007-7820(2015)04-069-04