本發明(ming)涉(she)及(ji)(ji)數據處理，尤其涉(she)及(ji)(ji)一種高危(wei)作業環境的員工服識別方法(fa)、系統、設備及(ji)(ji)介質。

背景技術：

1、油(you)(you)氣站(zhan)、油(you)(you)庫等場景都(dou)屬(shu)于高危(wei)危(wei)化單位，員(yuan)工人(ren)員(yuan)必(bi)須(xu)穿(chuan)統一的(de)防靜(jing)(jing)電服(fu)方可(ke)入內(nei)(nei)，非(fei)工作人(ren)員(yuan)也(ye)必(bi)須(xu)穿(chuan)對應(ying)的(de)防靜(jing)(jing)電服(fu)方可(ke)入內(nei)(nei)，尤(you)其是涉及卸油(you)(you)、裝油(you)(you)的(de)核心區(qu)域，更(geng)需要對所在的(de)人(ren)員(yuan)著裝、身份進行跟蹤、判斷(duan)，同時(shi)加油(you)(you)區(qu)也(ye)存在一些非(fei)工作人(ren)員(yuan)不能操作的(de)設(she)備，精準識別站(zhan)內(nei)(nei)、庫內(nei)(nei)人(ren)員(yuan)的(de)衣服(fu)顏色，身份具有重(zhong)要意(yi)義。

2、針對油站內安(an)全管理方案的(de)方法(fa)主要為通過安(an)保(bao)人員在監(jian)控室(shi)對卸油區(qu)等(deng)高危區(qu)域進行24小時監(jian)察。但(dan)是此類方法(fa)采用傳統安(an)保(bao)人員肉眼看，存(cun)在會消耗巨大的(de)人力資源，且人力存(cun)在狀態、個人違法(fa)等(deng)原(yuan)因(yin)導致結果不可(ke)靠，人力成本(ben)高等(deng)問題。

3、目(mu)前(qian)采用機(ji)器學習(xi)的(de)方式對人員衣服(fu)直接進行分類，從(cong)而確認員工服(fu)的(de)種類，或(huo)是(shi)否(fou)屬于員工服(fu)，以降(jiang)(jiang)低(di)人員問題的(de)不確定因素以及降(jiang)(jiang)低(di)成本，但是(shi)目(mu)前(qian)的(de)機(ji)器學習(xi)分類精度較低(di)，導致員工服(fu)分類結果不準確。

技術實現思路

1、本發明實施例(li)提供一種高危(wei)作業環(huan)境的(de)員(yuan)工服(fu)識別方(fang)法、系統、設(she)(she)備(bei)及介質(zhi)，通過(guo)計算機視覺技術和機器學習技術，實現目(mu)標識別是(shi)基(ji)于具有(you)極高可信度的(de)設(she)(she)定(ding)可信區域的(de)區域類型(xing)進行特定(ding)目(mu)標重(zhong)點識別，極大(da)的(de)提高了員(yuan)工服(fu)識別的(de)準(zhun)確性(xing)。

2、第一方面(mian)，本發明提供一種高危(wei)作業環(huan)境的(de)員工服識(shi)別方法，包括：

3、獲取高危(wei)作(zuo)業環(huan)境(jing)的(de)檢(jian)測(ce)圖(tu)像(xiang)中(zhong)的(de)目(mu)標(biao)(biao)行人、目(mu)標(biao)(biao)區域和目(mu)標(biao)(biao)服裝的(de)服裝類別(bie)，其(qi)中(zhong)，所述(shu)(shu)目(mu)標(biao)(biao)區域為所述(shu)(shu)檢(jian)測(ce)圖(tu)像(xiang)中(zhong)所述(shu)(shu)目(mu)標(biao)(biao)行人所在環(huan)境(jing)的(de)場景圖(tu)像(xiang)，所述(shu)(shu)目(mu)標(biao)(biao)服裝為所述(shu)(shu)目(mu)標(biao)(biao)行人的(de)員工服；

4、根據目標行人id識別所(suo)在(zai)區(qu)(qu)域和(he)設定可(ke)信區(qu)(qu)域的區(qu)(qu)域類(lei)型，得(de)到與(yu)所(suo)述設定可(ke)信區(qu)(qu)域的區(qu)(qu)域類(lei)型相(xiang)匹配的行人可(ke)信id，其中，所(suo)述區(qu)(qu)域類(lei)型包括：場景復雜度和(he)場景類(lei)型；

5、判(pan)斷行(xing)人可信id的員(yuan)工(gong)服(fu)類別與目(mu)標服(fu)裝的服(fu)裝類別是否匹(pi)配，根據匹(pi)配結果(guo)輸出(chu)員(yuan)工(gong)服(fu)識(shi)別結果(guo)，所述員(yuan)工(gong)服(fu)識(shi)別結果(guo)包(bao)括識(shi)別異常預警信息(xi)(xi)和識(shi)別正常信息(xi)(xi)。

6、在(zai)一實施例中(zhong)(zhong)，獲取(qu)高危(wei)作業環境的檢測(ce)圖像中(zhong)(zhong)的目標(biao)(biao)行人(ren)、目標(biao)(biao)區域(yu)和目標(biao)(biao)服裝(zhuang)的服裝(zhuang)類別之(zhi)前，所(suo)述方法還包(bao)括：

7、基(ji)于(yu)開源行人跟(gen)蹤模型和自動化(hua)腳(jiao)本(ben)獲取多攝像頭的(de)視(shi)頻流數據；

8、基于圖(tu)像處(chu)理(li)提取目標行(xing)人的服(fu)(fu)裝特征得到目標服(fu)(fu)裝的服(fu)(fu)裝類別，其中所述服(fu)(fu)裝特征包括顏(yan)色、紋理(li)、款式。

9、在(zai)一(yi)實(shi)施例中，基于圖像處(chu)理提取目標行人的服(fu)裝特征得到目標服(fu)裝的服(fu)裝類別，具(ju)體包括：

10、獲取(qu)目標(biao)服裝對應不同目標(biao)顏(yan)(yan)色的(de)目標(biao)顏(yan)(yan)色閾值，降序(xu)排列；

11、選擇排(pai)列第(di)一(yi)的目(mu)(mu)標(biao)顏色(se)閾值對應的目(mu)(mu)標(biao)顏色(se)為(wei)目(mu)(mu)標(biao)服(fu)裝的服(fu)裝類(lei)別。

12、在一(yi)實施例中，根據目標行人id識(shi)別(bie)所在區(qu)域(yu)和設(she)(she)定(ding)可信區(qu)域(yu)的(de)區(qu)域(yu)類型，得到與(yu)所述設(she)(she)定(ding)可信區(qu)域(yu)的(de)區(qu)域(yu)類型相匹配的(de)行人可信id，其(qi)中，所述區(qu)域(yu)類型包括：場(chang)景(jing)復雜度和場(chang)景(jing)類型，具體包括：

13、獲(huo)取目標行人(ren)id識別所(suo)在區(qu)(qu)(qu)(qu)(qu)域的場(chang)景(jing)類(lei)(lei)型對(dui)(dui)應(ying)(ying)區(qu)(qu)(qu)(qu)(qu)域，比較是否為設定可信區(qu)(qu)(qu)(qu)(qu)域的場(chang)景(jing)類(lei)(lei)型對(dui)(dui)應(ying)(ying)區(qu)(qu)(qu)(qu)(qu)域中(zhong)的一種；所(suo)述(shu)場(chang)景(jing)類(lei)(lei)型對(dui)(dui)應(ying)(ying)區(qu)(qu)(qu)(qu)(qu)域包括室內油庫區(qu)(qu)(qu)(qu)(qu)域、巡(xun)檢路線(xian)區(qu)(qu)(qu)(qu)(qu)域、出(chu)入口區(qu)(qu)(qu)(qu)(qu)域、門(men)禁區(qu)(qu)(qu)(qu)(qu)域；

14、若是，則進行場景復雜(za)度(du)比較(jiao)。

15、在一實施例中，進行場景(jing)復(fu)雜度比較，具體包括：

16、獲取目(mu)標(biao)行(xing)人id識別(bie)所(suo)(suo)在區域和(he)設定可信(xin)區域的場(chang)景參(can)數(shu)進行(xing)量化處(chu)理；其中(zhong)，所(suo)(suo)述場(chang)景參(can)數(shu)包(bao)括目(mu)標(biao)數(shu)量、目(mu)標(biao)種類、目(mu)標(biao)尺寸、背景復雜度、光照條件和(he)動態特(te)征；

17、獲取每一個量(liang)化后的(de)場景參數，設置對應的(de)權(quan)重值；

18、根據權重(zhong)值綜合評分(fen)得到目標行人id識別(bie)所在區域和(he)設定(ding)可信區域對應的行人場景復雜度和(he)可信場景復雜度；

19、根據(ju)行人場景(jing)復(fu)(fu)(fu)雜(za)度(du)、可信場景(jing)復(fu)(fu)(fu)雜(za)度(du)和目標(biao)復(fu)(fu)(fu)雜(za)度(du)比較，得(de)到與所述設定(ding)可信區(qu)域的區(qu)域類型(xing)相匹配的行人可信id，其中，所述目標(biao)復(fu)(fu)(fu)雜(za)度(du)為可信場景(jing)復(fu)(fu)(fu)雜(za)度(du)的預設倍數。

20、在一實施例(li)中，根(gen)據行(xing)人場(chang)景復雜度(du)(du)、可(ke)信(xin)場(chang)景復雜度(du)(du)和目標復雜度(du)(du)比較，得到與所述(shu)設(she)定可(ke)信(xin)區域(yu)的(de)區域(yu)類型相匹配的(de)行(xing)人可(ke)信(xin)id，具體包括：

21、若(ruo)行人場景(jing)復(fu)雜(za)度大于(yu)(yu)或等(deng)于(yu)(yu)可信場景(jing)復(fu)雜(za)度，且小于(yu)(yu)目(mu)標復(fu)雜(za)度，則判斷目(mu)標服(fu)裝對應的目(mu)標顏色閾值是否大于(yu)(yu)第一閾值；其(qi)中，所述目(mu)標復(fu)雜(za)度大于(yu)(yu)所述行人場景(jing)復(fu)雜(za)度；

22、若(ruo)目(mu)(mu)標顏色(se)(se)閾值(zhi)大于第一閾值(zhi)，則標識為與所(suo)述(shu)設定可信(xin)區(qu)域的(de)(de)區(qu)域類型相匹配的(de)(de)行(xing)(xing)人(ren)可信(xin)id，關(guan)聯行(xing)(xing)人(ren)可信(xin)id和對應(ying)的(de)(de)目(mu)(mu)標顏色(se)(se)閾值(zhi)；

23、若(ruo)目標(biao)(biao)顏色閾值小(xiao)于(yu)或等于(yu)第一(yi)閾值，則重新(xin)獲取高危作(zuo)業(ye)環境的檢(jian)測圖(tu)像中(zhong)的目標(biao)(biao)行人、目標(biao)(biao)區域和目標(biao)(biao)服裝的服裝類別。

24、在(zai)一實(shi)施例中，根據行(xing)人(ren)場景(jing)復(fu)雜(za)度、可(ke)信(xin)(xin)場景(jing)復(fu)雜(za)度和目標(biao)復(fu)雜(za)度比較，得到與所述設定可(ke)信(xin)(xin)區域(yu)的區域(yu)類型(xing)相匹配的行(xing)人(ren)可(ke)信(xin)(xin)id，具體包(bao)括：

25、若行人場景復(fu)雜(za)度大(da)于或等于目(mu)標復(fu)雜(za)度，則(ze)記錄預測次數目(mu)標服裝的目(mu)標顏(yan)色以及與目(mu)標顏(yan)色對(dui)應的目(mu)標顏(yan)色閾值；

26、判斷(duan)第一預設次數目(mu)標(biao)服裝的(de)目(mu)標(biao)顏(yan)(yan)色是否(fou)相同，且目(mu)標(biao)顏(yan)(yan)色閾值是否(fou)大于(yu)第一閾值；

27、若第一預設(she)次(ci)數的(de)(de)目標(biao)(biao)服裝(zhuang)的(de)(de)目標(biao)(biao)顏色相同，且目標(biao)(biao)顏色閾值大于第一閾值，則標(biao)(biao)識為與所述設(she)定可信區域的(de)(de)區域類型相匹配的(de)(de)行(xing)人(ren)可信id，關聯(lian)行(xing)人(ren)可信id和對應(ying)的(de)(de)目標(biao)(biao)顏色閾值。

28、在一實(shi)施例中，判(pan)斷行人(ren)可信id的員(yuan)工服(fu)(fu)(fu)類(lei)別與目標(biao)服(fu)(fu)(fu)裝的服(fu)(fu)(fu)裝類(lei)別是(shi)否匹配，根據匹配結果(guo)輸出員(yuan)工服(fu)(fu)(fu)識別結果(guo)，具體包(bao)括：

29、若行人可(ke)信id的員(yuan)工服類別(bie)與(yu)目標服裝(zhuang)的服裝(zhuang)類別(bie)相同，則獲取行人可(ke)信id關聯的員(yuan)工服類別(bie)對(dui)應的小于第一閾(yu)值的目標顏色閾(yu)值，與(yu)第二閾(yu)值比(bi)較；

30、若小于第二閾值(zhi)，則(ze)輸出識(shi)別(bie)異(yi)常預(yu)警(jing)信(xin)息；

31、若大(da)于或等于第二閾值(zhi)，則輸出識別正常信息；

32、若行人可信id的員工服(fu)類別(bie)(bie)與(yu)目標(biao)服(fu)裝的服(fu)裝類別(bie)(bie)不相同，則輸(shu)出(chu)識別(bie)(bie)異(yi)常預警信息。

33、在一實施例中，判斷行人可信id的(de)員(yuan)工服(fu)類(lei)別與目(mu)標(biao)服(fu)裝的(de)服(fu)裝類(lei)別是(shi)否匹配(pei)(pei)，根據匹配(pei)(pei)結果(guo)輸出員(yuan)工服(fu)識別結果(guo)之后(hou)，所述方法還包括：

34、根據識(shi)別(bie)結果篩選(xuan)目(mu)標圖片加入迭代訓練集(ji)，進行模(mo)型訓練，得(de)到用于(yu)員(yuan)工(gong)(gong)服識(shi)別(bie)的員(yuan)工(gong)(gong)服識(shi)別(bie)模(mo)型。

35、在一實(shi)施例中(zhong)，根據(ju)識(shi)別結果篩(shai)選目標圖(tu)片加入(ru)迭(die)代訓練集，進(jin)行模型訓練，得到(dao)用于員工服識(shi)別的員工服識(shi)別模型，具體包括：

36、識(shi)別(bie)結果為(wei)識(shi)別(bie)異常預警信息(xi)時，獲取(qu)目標(biao)行人所在圖片(pian)加入(ru)迭代訓練集，進行模(mo)型訓練，得(de)到用于員工服識(shi)別(bie)的員工服識(shi)別(bie)模(mo)型。

37、在一實施例中，根據識別(bie)結果篩選(xuan)目(mu)標圖片(pian)加入迭代訓練(lian)集(ji)，進行模型(xing)訓練(lian)，得到用(yong)于員工服(fu)識別(bie)的員工服(fu)識別(bie)模型(xing)之后，所述方法還包括：

38、第二預(yu)設(she)次(ci)數(shu)的(de)(de)識別結(jie)果中，獲取(qu)識別正常信息的(de)(de)次(ci)數(shu)與總次(ci)數(shu)的(de)(de)目標比(bi)值，與預(yu)設(she)比(bi)值比(bi)較；其(qi)中，總次(ci)數(shu)為(wei)識別正常信息的(de)(de)次(ci)數(shu)與識別異常預(yu)警信息的(de)(de)次(ci)數(shu)之和；

39、若(ruo)目標比(bi)值(zhi)(zhi)大于(yu)預(yu)設比(bi)值(zhi)(zhi)，則下調(diao)第一(yi)閾(yu)值(zhi)(zhi)，直至目標比(bi)值(zhi)(zhi)等于(yu)預(yu)設比(bi)值(zhi)(zhi)，停(ting)止調(diao)整第一(yi)閾(yu)值(zhi)(zhi)。

40、第二方(fang)面，本發明還提供一(yi)種高危作(zuo)業環(huan)境(jing)的員工(gong)服識(shi)別(bie)系統，應用于如第一(yi)方(fang)面所述的高危作(zuo)業環(huan)境(jing)的員工(gong)服識(shi)別(bie)方(fang)法，包括獲取模塊(kuai)、識(shi)別(bie)模塊(kuai)和匹配輸出模塊(kuai)；其中，

41、所(suo)述(shu)獲取(qu)模塊(kuai)，用于獲取(qu)高危作業環境(jing)的檢測(ce)圖(tu)像(xiang)中的目(mu)(mu)標(biao)(biao)(biao)行人(ren)、目(mu)(mu)標(biao)(biao)(biao)區域(yu)和目(mu)(mu)標(biao)(biao)(biao)服(fu)裝(zhuang)的服(fu)裝(zhuang)類(lei)別，其中，所(suo)述(shu)目(mu)(mu)標(biao)(biao)(biao)區域(yu)為所(suo)述(shu)檢測(ce)圖(tu)像(xiang)中所(suo)述(shu)目(mu)(mu)標(biao)(biao)(biao)行人(ren)所(suo)在(zai)環境(jing)的場景圖(tu)像(xiang)，所(suo)述(shu)目(mu)(mu)標(biao)(biao)(biao)服(fu)裝(zhuang)為所(suo)述(shu)目(mu)(mu)標(biao)(biao)(biao)行人(ren)的員工服(fu)；

42、所(suo)(suo)(suo)述(shu)識別(bie)模塊，用于根據目標(biao)行(xing)人(ren)id識別(bie)所(suo)(suo)(suo)在區域(yu)(yu)和設(she)定可(ke)信區域(yu)(yu)的(de)區域(yu)(yu)類型，得到(dao)與所(suo)(suo)(suo)述(shu)設(she)定可(ke)信區域(yu)(yu)的(de)區域(yu)(yu)類型相匹配的(de)行(xing)人(ren)可(ke)信id，其(qi)中(zhong)，所(suo)(suo)(suo)述(shu)區域(yu)(yu)類型包括：場景復雜度和場景類型；

43、所(suo)述匹(pi)配輸出(chu)模塊，用于判斷(duan)行(xing)人可信id的員工服(fu)(fu)類別(bie)(bie)(bie)與目標服(fu)(fu)裝的服(fu)(fu)裝類別(bie)(bie)(bie)是(shi)否(fou)匹(pi)配，根據匹(pi)配結(jie)果輸出(chu)員工服(fu)(fu)識別(bie)(bie)(bie)結(jie)果，所(suo)述員工服(fu)(fu)識別(bie)(bie)(bie)結(jie)果包括識別(bie)(bie)(bie)異常預警信息和識別(bie)(bie)(bie)正常信息。

44、第(di)三方(fang)面(mian)，本發(fa)明還提供(gong)一種(zhong)高(gao)危作業(ye)(ye)環境(jing)(jing)的員工服識別(bie)設(she)備(bei)，包(bao)括處理(li)器(qi)、通信接口和存(cun)儲(chu)器(qi)，所(suo)述(shu)(shu)(shu)(shu)處理(li)器(qi)、所(suo)述(shu)(shu)(shu)(shu)通信接口和所(suo)述(shu)(shu)(shu)(shu)存(cun)儲(chu)器(qi)相互連接，其中，所(suo)述(shu)(shu)(shu)(shu)存(cun)儲(chu)器(qi)用于存(cun)儲(chu)計算(suan)機(ji)程序(xu)(xu)(xu)，所(suo)述(shu)(shu)(shu)(shu)計算(suan)機(ji)程序(xu)(xu)(xu)包(bao)括程序(xu)(xu)(xu)指令，所(suo)述(shu)(shu)(shu)(shu)處理(li)器(qi)被(bei)配置用于調用所(suo)述(shu)(shu)(shu)(shu)程序(xu)(xu)(xu)指令，執行如(ru)第(di)一方(fang)面(mian)的所(suo)述(shu)(shu)(shu)(shu)高(gao)危作業(ye)(ye)環境(jing)(jing)的員工服識別(bie)方(fang)法。

45、第四(si)方面，本發明還提供一(yi)種(zhong)計(ji)(ji)算(suan)機(ji)可讀存(cun)儲介(jie)質，其特征在于，所(suo)(suo)述(shu)計(ji)(ji)算(suan)機(ji)可讀存(cun)儲介(jie)質存(cun)儲有計(ji)(ji)算(suan)機(ji)程序，所(suo)(suo)述(shu)計(ji)(ji)算(suan)機(ji)程序包括程序指令(ling)(ling)，所(suo)(suo)述(shu)程序指令(ling)(ling)當被處(chu)理器(qi)執(zhi)行時使(shi)所(suo)(suo)述(shu)處(chu)理器(qi)執(zhi)行如第一(yi)方面的所(suo)(suo)述(shu)高(gao)危作業(ye)環(huan)境的員(yuan)工服識(shi)別(bie)方法。

46、本(ben)發明實施例中，通(tong)過獲取高(gao)危作業環境的(de)檢測圖像中的(de)目(mu)標(biao)行(xing)(xing)人、目(mu)標(biao)區域(yu)和目(mu)標(biao)服(fu)裝的(de)服(fu)裝類(lei)別(bie)(bie)；根(gen)(gen)據目(mu)標(biao)行(xing)(xing)人id識(shi)(shi)(shi)別(bie)(bie)所在區域(yu)和設定可信區域(yu)的(de)區域(yu)類(lei)型(xing)，得到與(yu)設定可信區域(yu)的(de)區域(yu)類(lei)型(xing)相匹配(pei)的(de)行(xing)(xing)人可信id；判斷行(xing)(xing)人可信id的(de)員工服(fu)類(lei)別(bie)(bie)與(yu)目(mu)標(biao)服(fu)裝的(de)服(fu)裝類(lei)別(bie)(bie)是(shi)否匹配(pei)，根(gen)(gen)據匹配(pei)結果輸出員工服(fu)識(shi)(shi)(shi)別(bie)(bie)結果。利(li)用(yong)計算機視覺技術和機器學(xue)習技術，實現目(mu)標(biao)識(shi)(shi)(shi)別(bie)(bie)是(shi)基于具有極高(gao)可信度的(de)設定可信區域(yu)的(de)區域(yu)類(lei)型(xing)進(jin)行(xing)(xing)特定目(mu)標(biao)重(zhong)點識(shi)(shi)(shi)別(bie)(bie)，極大的(de)提高(gao)了(le)員工服(fu)識(shi)(shi)(shi)別(bie)(bie)的(de)準確性。