基于深度学习的建筑工人安全帽佩戴识别研究

• 作者: 张明媛 曹志颖 杨震 赵雪峰
• 来源期刊: 安全与环境学报
• 学科: 工学
• 关键词: 安全工程 施工管理 安全帽识别 深度学习 Faster RCNN
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 安全管理
• 页码范围: 535-541
• 页数: 7页
• 分类号: X947
• 语种: 中文
• DOI: 10.13637/j.issn.1009-6094.2019.02.026

摘要

建筑工人头部伤害是造成建筑伤亡事故的重要原因.佩戴安全帽是防止建筑工人发生脑部外伤事故的有效措施,而在实际工作中工人未佩戴安全帽的不安全行为时有发生.因此,对施工现场建筑工人佩戴安全帽自动实时检测进行探究,将为深入认知和主动预防安全事故提供新的视角.然而,传统的施工现场具有安全管理水平低下、管理范围小、主要依靠安全管理人员的主观监测并且时效性差、不能全程监控等一系列问题.针对上述现状,提出了一种基于Tensofflow框架,具有高精度、快速等特性的Faster RCNN方法,实时监测工人安全帽佩戴状况.为评估模型性能,收集了6 000张图像用于模型的训练与测试,结果表明,该模型识别工人安全监测中佩戴安全帽工人的平均精度达到90.91％,召回率达到89.19％;识别未佩戴安全帽工人的精度达到88.32％,召回率达到85.08％.同时,针对工人未佩戴安全帽而进入施工现场的违规行为,通过施工现场入口处监控摄像头截取视频流图像帧,设置检验试验,验证了本方法在施工现场实际应用的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张明媛	大连理工大学建设管理系	85	919	13.0	28.0
2	赵雪峰	大连理工大学土木工程学院	25	98	5.0	9.0
3	杨震	大连理工大学建设管理系	5	53	4.0	5.0
4	曹志颖	大连理工大学建设管理系	1	5	1.0	1.0