(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210570558.8 (22)申请日 2022.05.24 (71)申请人 浙江九州云信息科技有限公司 地址 313000 浙江省湖州市吴兴大道 999号 湖州多媒体产业园9C -2楼 (72)发明人 马磊　唐舒琪　王丹　 (74)专利代理 机构 北京世誉鑫诚专利代理有限 公司 11368 专利代理师 刘秀珍 (51)Int.Cl. G06V 40/16(2022.01) G06V 40/40(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01)G06V 10/74(2022.01) (54)发明名称 一种人脸识别及安全帽穿戴的识别方法 (57)摘要 本发明提供的一种人脸识别及安全帽穿戴 的识别方法， 通过一种基于智慧工地园区MEC边 缘计算的人脸识别及安全帽穿戴识别分析方法 实现智慧工地的安全监管， 具体包括工地进出口 门禁视频监控范围内人脸比对、 口罩、 安全帽佩 戴实时检测， 对施工现场作业人员的安全帽佩戴 情况检测， 改变传统安全监管模式， 实时发现安 全问题。 权利要求书2页 说明书7页 附图4页 CN 114863534 A 2022.08.05 CN 114863534 A 1.一种人脸识别及安全帽穿戴的识别方法， 其特 征在于， 所述识别方法包括： 采集现有图像数据集， 并进行训练模型、 设计模型组合方案； 预先采集施工人员的人脸图像信息， 使用人脸识别引擎构建对应施工项目部的人脸 库， 用于进行 人脸比对； 采集口罩、 安全帽数据， 并进行 预处理， 选用Yo lo V3作为目标检测模型； 原Yolo V3的损失函数定义为框中心点坐标定位MSE损失、 坐标偏移MSE损失， 分类交叉 熵损失、 置信度损失的累加， 损失函数计算公式： 使用Darknet作为所述Yolo  V3模型训练框架， 针对性地修改多个模型的网络结构及损 失函数 根据所述网络结构及所述损失函数识别图像信息 。 2.根据权利要求1所述的一种人脸识别及安全帽穿戴的识别方法， 其特征在于， 所述采 集现有图像数据集， 并进行训练模型、 设计模型组合方案具体包括： 采集开放场景下的多品类的口罩、 安全帽数据， 包括工地、 非工地、 室内、 室外， 晴天、 阴 雨天戴口罩人脸图像、 不戴口罩人脸图像、 戴安全帽人头 部图像和不戴安全帽人头 部图像； 对模型的主干网络进行预训练， 在使得模型的主干网络得到能正确提取人脸、 人头、 口 罩、 安全帽特征的能力后， 固定主干网络权值， 针对实施现场的环 境， 选取相似场景的图像， 并加入部分对应场景的标注后的工人活动图像数据， 对模型的定位识别网络部 分进行再训 练， 用于精调提高识别准确率； 根据现有数据集， 训练模型、 设计模型组合方案， 对各模型 得到的结果进行归并。 3.根据权利要求1所述的一种人脸识别及安全帽穿戴的识别方法， 其特征在于， 所述预 先采集施工人员的人脸图像信息， 使用人脸识别引擎构建对应施工项目部的人脸库， 用于 进行人脸比对具体包括： 人脸比对为将两张人脸提取出特征码， 再计算两张人脸的相似度， 并且给出相应的相 似比值， 判断两张人脸是否为同一个人； 为防止包括照片和屏幕类翻拍的攻击， 在人脸比对的同时进行活体检测， 通过识别攻权　利　要　求　书 1/2 页 2 CN 114863534 A 2击内容里面漏出的各种类型的边框、 图像质量、 图像中人脸是否变形方式， 结合分析全局特 征和局部微纹 理信息有效过 滤二次翻拍， 通过机器学习方法提取细微特 征有效过 滤攻击； 通过人脸识别、 人脸比对、 活体检测的方法， 加强工作人员信息核对的门禁功能， 有效 防止外来人员入侵 。 4.根据权利要求1所述的一种人脸识别及安全帽穿戴的识别方法， 其特征在于， 所述采 集口罩、 安全帽数据， 并进行 预处理， 选用Yo lo V3作为目标检测模型 具体包括： 对采集到的 口罩、 安全帽数据进行 预处理后， 选用Yo lo V3作为目标检测模型； 将视频流中解码得到的图像数据缩放到416*416的像素大小， 作为Yolo  V3模型的输 入， 通过主干网络提取 特征， 下采13 *13， 26*26， 52*52得到三种不同尺寸的特 征图； 根据预先设定的Anc hor， 三个特 征图分别负责检测大、 中、 小三种尺寸的目标； Yolo V3网络在三个特征图中分别通过(4+1+c)*k个大小为11的卷积核进行卷积预测， k为预设边界框的个数， c为预测目标的类别数， 其中4*k个参数负责预测目标边界框的坐标 及偏移量， k个参数负责预测目标边界框内包含目标的概率， c*k个参数负责预测这k个预设 边界框对应c个目标类别的概 率。权　利　要　求　书 2/2 页 3 CN 114863534 A 3