一种工人安全行为检测方法、系统、存储介质及电子设备

专利主权项内容

1.一种工人安全行为检测方法，其特征在于，所述方法包括：获取工地中工人行为的图像样本，对所述图像样本进行标注，得到标注安全行为的样本数据集，并对所述样本数据集中的样本进行预处理，再根据预设比例将预处理后的所述样本数据集分为训练集和测试集；根据所述训练集通过预设网络模型进行网络训练，并通过预设损失函数判断所述预设网络模型的训练效果；当所述预设网络模型的损伤函数值的变化幅度小于预设值时，将所述测试集导入训练后的所述预设网络模型，判断训练后的所述预设网络模型的准确率是否达到预设值，若是，结束对所述预设网络模型的训练，得到目标网络模型；将所述目标网络模型部署至具有拍摄功能的移动终端中，以对通过所述移动终端对工人安全行为进行监测；通过所述具有拍摄功能的移动终端获取背景图片；根据所述背景图片通过所述目标网络模型获取检测结果图片，并根据所述检测结果图片判断是否存在特征行为，所述特征行为至少包括抽烟行为和不佩戴安全帽行为；若是，则将预警信息发送至管理员以进行预警；所述目标网络模型包括Backbone端、Neck端和Head端，所述Backbone端包括用于初步特征提前的卷积层、用于深层次提取的多层shuffle模块以及设置在Backbone端末端的SPPF模块，所述Neck端包括，上采样模块、拼接模块、EMA模块和动态蛇形卷积层，所述SPPF模块包括多个最大池化层，所述根据所述背景图片通过所述目标网络模型获取检测结果图片的步骤包括：根据所述背景图片通过Backbone端进行特征提取得到特征提取图；通过所述上采样模块采集通过不同次数所述最大池化层的所述特征提取图，并通过所述拼接模块，将没有经过所述最大池化层的所述特征提取图和每多经过一层所述最大池化层的特征提取图进行拼接得到输出特征图；根据所述输出特征图通过所述EMA模块和动态蛇形卷积层得到不同大小的所述目标检测特征图；所述目标检测特征图通过Head端进行目标类别预测与目标位置预测，以输出检测结果图片。