CN119296033B 一种基于图像识别的智能安全帽施工环境检测方法及系统 （山东先行致业信息科技有限公司）

道中科新经济科创园基础设施项目B-US2022187473A1,2022.06.16一种基于图像识别的智能安全帽施工环境一种基于图像识别的智能安全帽施工环境检测2对获取的图像数据进行预处理，包括对施工图像进行去噪处理，根据构建完成的预测模型进行模型训练，包括利用自适应优化基于训练后的预测模型进行特征提取，包括通过卷积核与根据输出的图像特征进行危险阈值的判断，包括根据预测模型输出的2.根据权利要求1所述的一种基于图像识别的智能安全帽施工环境检测方法，其特征3.根据权利要求2所述的一种基于图像识别的智能安全帽施工环境检测方法，其特征4.根据权利要求3所述的一种基于图像识别的智能安全帽施工环境检测方法，其特征5.根据权利要求4所述的一种基于图像识别的智能安全帽施工环境检测方法，其特征3,6.一种基于图像识别的智能安全帽施工环境检测系统，执行如权利要求1_5任意一项预处理模块，被配置为：对获取的图像数据进行预处理，包括对施设备的处理器加载并执行如权利要求1所述的一种基于图像识别的智能安全帽施工环境检要求1所述的一种基于图像识别的智能安全4工人员在佩戴传统安全帽时，往往只能依靠自身的观察和经验来判断周围环境的安全状[0004]为了解决传统安全帽对于复杂的施工环境中的物体识别和危险判断能力较弱的[0011]基于训练后的预测模型进行特征提取，包括通过卷积核与输入图像进行卷积操5包括利用中值滤波将图像数据中每个像素点的灰度值替换为该像素点邻域内灰度值的中层输出的不同特征图输入至激活函数层进行非线性变换，接着进入池化层进行下采样操个参数计算模型梯度平方的指数移动平均值，利用指数移动平均值进行模型参数的更新，于0和1之间的数值，st-1表示为上一时刻的梯度平方的指数移动平均值，g:表示为当前时6适于由终端设备的处理器加载并执行所述的一种基于图像识别的智能安全帽施工环境检执行所述的一种基于图像识别的智能安全帽[0031]1、本发明通过构建基于卷积神经网络、循环神经网络和生成对抗网络的预测模[0035]图1是本发明实施例的一种基于图像识别的智能安全帽施工环境检测方法的整体7[0043]基于训练后的预测模型进行特征提取，包括通过卷积核与输入图像进行卷积操[0047]选择高分辨率摄像头安装在智能安全帽上，确保能够清[0050]g(x,y)=medianff(x+iy+j),(i,j)ew}，[0051]其中f(x,y)是原始图像在坐标(x,y)处的灰度值，g(x,y)是滤波后图像在坐标(x,y)8征图具有较高的维度，可以通过展平操作将其转换为一维向量。展平后的特征向量作为生成新的图像序列，GAN生成的图像序列可以与真实图[0068]模型构建完成后引入注意力机制，首先计算空间注意力图，对于输入特征图9MS=O(F1OF2)，最后，将输入特征图与空间注意力图进行逐元素相乘，得到增强后的特个参数计算模型梯度平方的指数移动平均值，利用指数移动平均值进行模型参数的更新，于0和1之间的数值，st-1表示为上一时刻的梯度平方的指数移动平均值，g:表示为当前时[0081]本实施例采用最大池化，对于一个大小为mxn的输入图像和一[0089]本实施例与实施例1的不同之处在于，本实施例提供