摘要：安全帽佩戴檢測是工地安防的重中之重，但人為主觀檢測的方式時效性差且不能全程監(jiān)控。AI技術的日漸成熟催生了安全帽佩戴檢測方案，成為了監(jiān)督佩戴安全帽的利器。本文將為您全面解析ZLG安全帽佩戴檢測方案。

建筑業(yè)是國民經(jīng)濟的重要物質(zhì)生產(chǎn)部門，它與整個國家經(jīng)濟的發(fā)展、人民生活的改善有著密切的關系。根據(jù)住建部數(shù)據(jù)，從2016年到2018年間，建筑業(yè)事故總量為上升趨勢。有統(tǒng)計發(fā)現(xiàn)眾多工地死亡事故中與安全帽相關的占比約 80%。大部分都是由于受害人不戴安全帽導致被物體打擊或頭部撞擊致死。由此可見，正確佩戴安全帽對于員工安全而言相當重要。然而，在實際工作中工人未佩戴安全帽的不安全行為仍然時有發(fā)生。傳統(tǒng)的施工現(xiàn)場主要依靠安全管理人員的主觀監(jiān)測，存在時效性差、不能全程監(jiān)控等一系列問題。隨著人工智能技術的日漸成熟，安全帽佩戴檢測解決方案應運而生，未來有望成為危險施工現(xiàn)場的標配。

資料來源：住房和城鄉(xiāng)建設部辦公廳

本文將以 ZLG M1808 平臺為例，對安全帽佩戴檢測技術及應用進行介紹，闡述安全帽佩戴檢測的算法基本原理和應用方向，介紹M1808開發(fā)平臺應用搭建，并展示ZLG研發(fā)的安全帽佩戴檢測應用demo。

一、基本原理與應用

安全帽佩戴檢測是指不需要人工實時監(jiān)控，僅通過攝像頭和M1808平臺，即可在實時監(jiān)控條件下，自動識別工地或工廠危險區(qū)域內(nèi)的工作人員是否按要求佩戴安全帽。

1. 算法原理

安全帽佩戴檢測算法主要技術點為目標檢測。本算法由ZLG算法團隊自主研發(fā)，結合基于AI加速芯片的M1808平臺特性進行了針對性的優(yōu)化，算法效率高。安全帽檢測算法對輸入圖像進行檢測，如果存在佩戴安全帽或未佩戴安全帽人員，可以實時獲取該人員在圖像中的位置。算法應用邏輯如下圖所示。

目標檢測的任務是找出圖像中所有感興趣的目標（物體），確定它們的位置和大小，是機器視覺領域的核心問題之一。由于各類物體有不同的外觀，形狀，姿態(tài)，加上成像時光照，遮擋等因素的干擾，目標檢測一直是機器視覺領域最具有挑戰(zhàn)性的問題。

基于目標檢測的算法主要分為兩類：one stage目標檢測算法；two stage目標檢測算法。常用的目標檢測算法如下表。

用戶可以根據(jù)自身需求選擇適當?shù)乃惴ú⒂柧毮Ｐ停ㄟ^M1808相關開發(fā)工具進行模型轉(zhuǎn)換，進一步實現(xiàn)M1808平臺部署相關應用。

2. 算法功能

ZLG安全帽佩戴檢測算法可實現(xiàn)佩戴安全帽檢測和統(tǒng)計，包括統(tǒng)計人員總數(shù)和未戴安全帽的違規(guī)人員數(shù)量，具體如下所示。

佩戴安全帽人員檢測如下圖，可見當前人員總數(shù)為1，不存在違規(guī)人員。

未佩戴安全帽人員檢測如下圖，違規(guī)人員數(shù)量為1。

手持安全帽干擾檢測如下圖，可見手持安全帽不影響檢測結果。

3. 應用方向與延伸

ZLG安全帽佩戴檢測方案，原則上適用于任何需要佩戴安全帽的應用場景，如建筑、冶金化工、礦山、機械、電力、交通運輸、林業(yè)和地質(zhì)等作業(yè)的工種。

此外，ZLG安全帽佩戴檢測方案可以遷移到電單車（摩托車）安全頭盔佩戴的檢測，以及泳池游泳者佩戴泳帽的檢測功能等。當然，類似應用場景均可以考慮此方案，所需的只是特定場景的數(shù)據(jù)。