技术摘要：
本发明是一种建筑工人身份识别及安全帽佩戴检测方法及系统，包括以下步骤：收集建筑工人身份信息及实名制入口监控的工人图像；将公共数据集SHWD中的图像添加标签，做归一化处理；基于YOLO V3和Light cnn‑29神经网络算法，搭建系统架构；在公共数据集SHWD上训练YOLO v3  全部
背景技术：
基于几十年来，安全一直是建筑业关注的问题。建筑领域的职业伤害主要来源于 不安全行为、不安全的环境和不安全的机械工具，其中不安全的环境和行为被认为是造成 建筑事故的主要原因。目前对于建筑领域不安全的行为与环境的检查主要依靠施工现场人 力检测，由于建筑工程任务繁重，能够分配到安全检测的人力资源有限。随着计算机和信息 技术的发展，越来越多的智能化监测与检测技术被应用到建筑领域安全检测中。 在施工场地，工人的安全行为和安全防护设置的检查，往往取决于安全官员的巡 查力度。对进入施工现场人员的身份确认和安全帽检查，主要取决于现场的人力检查，建筑 工人流动性大，人力检查并不能确认每个进入施工场地人员的身份，对建筑工人的安全帽 检查，往往也疏忽职守。
技术实现要素：
本发明提出的一种建筑工人身份识别及安全帽佩戴检测方法，通过将计算机视 觉，引用到施工安全检测中，运用人工智能技术取代传统施工安全中的中的人力检测。 为实现上述目的，本发明采用了以下技术方案： 一种建筑工人身份识别及安全帽佩戴检测方法，包括以下步骤： 包括以下步骤： 下载公共数据集SHWD，并收集建筑工人身份信息及实名制入口监控的工人图像； 将公共数据集SHWD中的图像添加标签，并把收集到的图像以工人身份信息命名保 存，并做归一化处理； 基于YOLO  V3和Light  cnn-29神经网络算法，搭建系统架构； 在公共数据集SHWD上训练YOLO  v3 ,并把带标记的SHWD数据集图像输入到YOLO  v3； 将经过YOLO  v3检测为人脸区域的图像作为人脸识别训练集，训练Light  CNN-29； 分别检测YOLO  v3和Light  cnn-29神经网络系统性能，测试各种施工环境下的识 别的精度与召回率，并修正； 进一步的，下载公共数据集SHWD，并收集建筑工人身份信息及实名制入口监控的 工人图像；包括： 首先，收集项目部管理人员和各班组施工人员，在佩戴安全帽情况下的正脸自拍， 并将照片信息以：姓名 班组 年龄的方式放入数据库中； 其次，通过安装在建筑工地实名制通道入口的摄像头，截取建筑工人的人脸图像 信息，扩大了数据集，并且根据实际的工地情况，对数据集进行分类储存； 5 CN 111598040 A 说　明　书 2/8 页 最后，下载公共数据集SHWD，SHWD为用于安全帽佩戴检测的公共数据集。 进一步的，将公共数据集SHWD中的图像添加标签，并把收集到的图像以工人身份 信息命名保存，并做归一化处理，包括： 将收集到的图像标准化为416*416大小，图像内容最大化的包含人脸与安全帽； 还包括： 对分类样本和位置边界标注的数据样本进行标注；对收集来的数据集，使用 LabelImg标记工人的面部特征和安全帽特征，这些注释以PASCALVOC格式保存为XML文件， 供Python阅读。 进一步的，所述引入Haar  cascade级联分类器，包括： Haar  cascade级联分类器通过可扩大的窗口，定位人脸的位置，并从预测窗口中 取最高分值定位人脸。 另一方面，本发明还公开一种建筑工人身份识别及安全帽佩戴检测系统，包括以 下单元： 数据收集单元，用于分别收集建筑工人身份信息及对应的安全帽佩戴图像信息； 数据处理单元，用于将收集到的图像信息添加标签，保存，并做归一化处理； 模型训练单元，用于将添加标签的图像输入卷积神经网络，训练神经网络模型； 模型修正单元，用于检测训练好的训练神经网络模型卷积神经网络性能，在各种 环境下测试识别的精度与召回率，并修正； 数据检测单元，用于利用修正后的神经网络模型，对进入施工现场的人员进行身 份验证，并对进入施工场地的人员进行安全帽检测。 由上述技术方案可知，本发明的建筑工人身份识别及安全帽佩戴检测方法及系统 具有以下有益效果： 综上所述，本发明的一种基于深度学习的建筑工人身份识别及安全帽佩戴检测方 法，通过收集建筑工人脸图像，采取监督学习方式，利用Python编程语言，YOLO  v3网络框架 进行人脸和安全帽特征提取，学习图像信息并进行测试，实现工人的身份验证和安全帽佩 戴检测。通过大量的数据采集及训练，所述方法对工人身份验证准确率和安全帽检测识别 率均达到90％以上。 与传统的人脸识别方法相比，该方法在各种天气、光照环境下可以识别建筑工人 人脸，在有遮挡的情况下，也能达到85％以上的识别路，该算法具有很强的鲁棒性；与一般 的安全帽检测算法相比，本发明可以在识别安全帽基础上拓展了工人身份验证的功能，且 可以实现实时监测。 附图说明 图1是本发明的方法流程图； 图2是本发明的方法原理图； 图3是本发明的YOLO  v3网络结构图。