2021, Vol. 30
在电力检修高处作业施工现场, 重叠交叉的高空作业繁杂多样. 为增强保障工作人员的人身安全, 以防作业者高空作业坠落事故的发生, 企业管理部门按照相关制度, 规定高空作业人员施工检修时必须佩戴安全带. 高空作业是指作业人员在位于坠落基准面一定高度以上作业. 目前高空作业电力检修安全带挂位有低挂高用和高挂低用两种, 把安全带挂环部分挂到工作人员腰部以上的位置叫安全带高挂低用, 有助于减少意外坠落事故发生时的冲击距离, 这种挂法是安全正规科学的系挂方法. 另一种系挂方法是低挂高用, 把安全带挂环部分挂到工作人员腰部以下的位置, 人员坠落时安全带起不到安全缓冲的作用. 所以安全带必须高挂低用, 杜绝低挂高用.
在电力检修高空作业时, 高空作业施工人员对企业佩戴安全带规定的法规遵守, 仅依赖于其自身自觉和现场安全员的管理提醒, 只有少数公司会增加一些违章作业的经济处罚规定. 针对公司安排的临时活, 部分工作人员觉得系安全带左右移动不便, 直接怕麻烦不佩戴安全带或者佩戴安全带不规范, 发生坠落趋势时安全带没能有效发挥安全缓冲作用, 因安全带佩戴问题发生安全事故, 给作业者造成难以挽回的人身安全伤害. 针对安全管理制度执行存在盲点的问题, 设计出一套智能化的安全带违规检测算法是至关重要的, 既可以大大提升对于高处作业人员安全带佩戴情况的监管效率, 又可以实现违章人员智能化的安全管理, 保障工作人员的安全.
1 相关工作在深度学习兴起并逐渐成为计算机视觉的核心方法之后, 基于深度学习的计算机视觉目标检测算法大致可以分为one-stage和two-stage两大流派. 普遍应用的目标检测one-stage和two-stage方法的根本区别在于候选区域框的差异. 与one-stage直接对输入图像应用算法并输出类别和相应的定位不同的是two-stage设计了候选区域目标推荐的过程, 即通过锚点机制去找到不同的目标推荐区域proposals, 锚点机制属于RPN网络的核心组件, 由此可以看来, one-stage和two-stage最典型特征在于是否存在RPN网络. 本论文使用two-stage目标检测的Mask-Keypoints R-CNN方法进行安全带检测, 即先产生候选区域, 然后再进行卷积神经网络分类.
1.1 One-stage目标检测算法主流的one-stage直接通过预训练的主干网络给出类别和位置信息, 利用检测目标的数据集进行微调达到快速收敛的效果, 精确度相对two-stage目标检测网络略低, 速度相比较快[1]. 目前常用的典型one-stage目标检测网络: YOLOv1、YOLOv2、YOLOv3、YOLOv4和SSD、DSSD等[2-7], 如图1所示.
|
图 1 One-stage相关算法 |
1.2 Two-stage目标检测算法
Two-stage的目标检测算法不同于端到端的目标检测方法, 算法首先生成一系列作为输入样本的略微精准的区域候选框, 再通过卷积神经网络进行样本数据分类和回归, 因此目标检测精确率相对较高, 但速度相对于one-stage慢. Girshick等在2014年提出的R-CNN到Faster R-CNN网络[8-11]. 主要通过一个卷积神经网络来完成目标检测过程, 其提取的是CNN卷积特征, 在训练网络时, 其主要训练两个部分, 第一步是训练RPN网络, 第二步是训练目标区域检测的网络. 目前常用的典型one-stage物体检测算法: R-CNN[8]、SPP-Net[9]、Fast R-CNN[10]、Faster R-CNN[11]和Mask R-CNN[12]等, 如图2所示.
|
图 2 Two-stage相关算法 |
1.3 Mask R-CNN发展史
深度学习(Deep Learning, DL)发展火热, 尤其在目标检测方面表现突出. 2012年在ILSVRC竞赛上基于深度学习CNN网络的AlexNet取得突破性成果[13], 2014年Girshick在卷积神经网络的基础上设计出了R-CNN模型[8], 在此之后, R-CNN模型不断发展改进, 出现了具有代表性的R-CNN系列算法: SPP-Net、Fast R-CNN、Faster R-CNN、Mask R-CNN等[9-12]. 2017年何恺明团队提出了由新的backbone和FPN[14]组成,可应用于实例分割、目标检测、人体关键点检测的Mask R-CNN[12]. Fast R-CNN汲取SPP-Net算法的优点, 采用两个loss结合训练的方法, 大大提高了模型预测的速度[9-10]. Mask R-CNN在基础上Faster R-CNN基础上再加一个输出图像Mask信息的分支, 同时采用双线性插值的ROI Align代替原本的ROI pooling, 算法不仅可以进行目标检测[15], 而且可以做语义分割[16].
随着人工智能算法的发展, 人体骨骼关键点定位检测算法的高效提升, 已经开始广泛应用于计算机视觉的姿态估计及动作分类等诸多相关领域. 人体关键点很多是直接通过卷积神经网络(CNN)来直接获取人体关键点的三维信息[17-20], 其中文献[20]首次证明了深度神经网络可以从单视图中获得合理精度的三维人体关键点预测值. 本论文结合人体骨骼关键点定位技术进行人体安全带佩戴规范检测. 目前深度学习在高空作业安全带领域研究应用相对较少, 设计电力作业安全带系挂装置的传统方法比较耗时耗资源, 人工智能新方法值得进一步深度挖掘研究.
本课题基于深度学习的电力高空作业安全带佩戴规范检测和识别, 将人工智能和安全带检测工作相结合, 不仅可以降低人工监控的程度以减少人力物力, 大大提升对于高空作业人员安全带佩戴情况的监管效率, 还可以避免因人力因素导致的重要监控信息的遗漏, 有效提高工作效率, 实现了智能化的安全管理, 捕捉工人的安全带佩戴情况, 及时发现没有正确使用安全带的工人并发出警报, 对安防高空作业重大事故能够进行很好的预警及监控作用, 从而避免事故的发生, 对该产业安全智能管控系统发展具有重大指导意义.
2 目标检测算法对于各种安全带的有效检测是保证高空作业人员安全的首要前提. 但可能存在的问题是由于现实场景的复杂性, 安全带区域检测不完全, 即存在部分区域未检测出来的状况, 对于低挂高用违规使用判断难度大, 因此要求目标检测算法足够鲁棒, 能够适应高空作业复杂的场景. 基于高空作业现实场景中工作人员位置与安全带挂绳的相对位置特点, 以及安全带高挂低用规范挂位需要高于腰部使用的特点, 通过膝盖以下区域重要骨骼关键点位置进行判断安全带低挂高用违规方法是可行有效的. 在人体关键点定位算法设计和选取时, 充分考虑到安全带佩戴规范所接触的人体关键特征, 从而设计出Mask-Keypoints R-CNN的高效算法. 整体流程图如图3.
|
图 3 整体流程图 |
2.1 整体思路
针对高空作业安全带场景复杂挂位难辨等问题, 无法进行直接的判断挂位是否规范. 本论文采用关键点定位技术与安全带的检测相结合的Mask-Keypoints R-CNN的高效算法, 通过膝盖以下区域重要骨骼关键点的位置是否存在安全带, 来判断安全带挂位是否规范. 第一阶段进行关键点截取膝盖以下部位的人员信息检测边界框, 第二阶段处理第一阶段保存的数据集, 使用标注工具标注安全带区域, 采用ResNet神经网络提取方法, 结合Mask R-CNN算法进行腿部以下安全带目标检测. 回归原数据查看是否为低挂高用或者是高挂低用, 判断高空作业人员安全带挂位检测的规范性.
2.2 Mask-Keypoints R-CNN算法为了解决从 R-CNN 就遗留下来的候选框生成问题, Faster R-CNN 的关键在于设计了 RPN (Region Proposal Network)区域候选网络, 将候选框的选择和判断交给 RPN 进行处理, 将 RPN 处理之后的候选区域进行基于多任务损失的分类定位. 由于RPN网络能够在固定尺寸的特征图中生成多尺寸的区域候选框, 导致出现多目标尺寸和固定感受野不一致的情况. Faster R-CNN 的优点在于 CNN 提取的特征信息能够做到全网络的权值共享, 从而解决了因生成候选框数量多导致的速度慢的问题.
Mask R-CNN算法改善了R-CNN系列算法, 类标签、边界框偏移量和输出对象掩码是每个目标候选对象的3个输出. Mask R-CNN算法在输出对象掩码mask时, 实现了像素到像素的对齐, 从而提取出目标对象的更精细的空间布局. Mask R-CNN为two-stage目标检测算法, 第一阶段流程主要是通过区域提议网络(RPN)输出区域候选框. RPN网络结构主要是用来生成锚点anchors, 然后经过分类器Softmax提取含有目标的positive anchors, 边界框回归定位positive anchors, 最后经过proposal layer生成目标区域建议proposals. 第二阶段中, 在进行预测分类和边界框回归的同时, Mask R-CNN算法中还为每个感兴趣区域ROI输出一个二进制的掩码, 依靠专用的卷积网络分类分支来预测用于选择掩码的类标签, 这使得掩码和类预测解耦[12].
本论文中的Mask-Keypoints R-CNN算法由关键点检测和Mask R-CNN检测两部分组成, 首先经过人员检测输出人员位置及关键点信息, 裁剪所需的部分数据图片, 本论文主要采用左膝盖关键点作为裁剪指标. 不同尺寸的数据图片经过FPN网络生成多个不同尺寸的共享特征图, 采用FPN网络将底层特征和高层特征进行融合, 强调语义信息和位置信息, 如图4为FPN网络结构图, 左侧为ResNet骨架, 从低向上进行0.5倍的下采样, 输出结果分别为C2、C3、C4、C5, 中间为高层特征层进行双线性插值2倍的上采样, 同时与低层次特征进行横向连接, 相当于特征图相加操作, 特征图尺寸呈倍数逐渐增大输出, 输出结果分别为M5, M4, M3, M2. 此处为消除混叠效应进行3×3的卷积得到FPN的最后结果P2, P3, P4, P5.
RPN网络用来从不同特征图中产生目标区域候选框, 再根据共享特征图的特征输出某个尺寸的特征图上的目标区域建议, ROI区域特征框的选择相当于裁剪的过程, 不同尺寸的目标区域建议经过ROI Align模块调整尺寸大小, 然后输出相同尺寸的特征图, 最后经过全连接层进行分类和目标回归定位, 同时经过设定的卷积层输出目标掩码, 在原数据图片上展示目标类别、边界框和目标掩码信息. 安全带目标检测算法基本流程如图5所示.
|
图 4 FPN网络结构图 |
|
图 5 Mask-Keypoints R-CNN算法 |
3 实验过程与分析
实验数据总共1200张, 其中700张对应不同的光照强度和不同的场景低挂高用违规数据和500张高挂低用正规使用数据图片.
3.1 实验环境与数据集处理本实验使用的实验设备为64位Linux系统计算机, 计算机的GPU显卡类型GeForce RTX 2080 Ti, GPU显存11 GB. CUDA Version为10.2. 同时配备CPU类型为Intel(R) Core(TM)i9-9900K, CPU的频率为3.60 GHz. 实验训练及测试数据均在设备GeForce RTX 2080 Ti上进行, 其他机型可能稍有偏差.
我们采用Mask R-CNN算法用数据图片迭代6000次训练人员身上的安全带和裁剪膝盖以下部分安全带检测, 基于数据的特点, 使用UPCLable工具进行标注标签, 数据训练采用JSON格式读取.
3.2 实验过程及结果对于安全带佩戴标准检测问题在实验中进一步尝试, 实现关键点定位检测和安全带检测模块的高效结合方法, 人体的全部骨骼关键点共分为17个, 人体骨骼关键点详细介绍见表1, 此处使用left_knee关键点的纵坐标结合人员边界框进行裁剪所需数据.
|
表 1 人体关键点信息 |
在Mask R-CNN算法的基础上, 使用Mask-Keypoints R-CNN算法的关键点检测算法进行关键点的定位. 在关键点定位检测中结果如图6所示, 相对于整张数据图片而言, [“person”, 0.99487114, 183, 46, 466, 425]分别代表: 检测类别为person, 检测准确率为99.487114%, 183、46和466、425分别为检测出来的人员位置边界框bbox左上角像素坐标值和右下角像素坐标值. [“nose”, 373, 186]则代表关键点nose的横纵坐标像素坐标值, 其他骨骼关键点同样代表像素值.
我们采用以图像为中心的训练方法. 根据数据集设计e2e_mask_rcnn_R-101-FPN_2x.yaml配置文件, 采用GPU训练, 分为背景类和belt两类, 配置文件相关参数值如表2所示.
|
图 6 人体关键点输出信息 |
|
|
表 2 配置文件信息 |
本文以深度学习中的实例分割技术和关键点检测算法为基础, 提出新的检测方法, 以深度学习中的卷积神经网络技术为基础, 通过构建的安全带检测神经网络对图片中的高处作业人员进行精确定位, 得到高空作业人员在图片中的位置后, 裁剪膝盖以下边界框, 如图7(b), 裁剪部分进行训练, 如图7(c), 最后回归原图判断安全带低挂高用和高挂低用规范佩戴, 如图7(d), 相关检测过程结果图7. 本实验对安全带检测训练模型和关键点模型分别用100张数据进行了测试, 安全带和关键点识别率分别为98%和95%, 两者结合使用处理低挂高用违规图片的检测识别准确率达94%, 识别每张图片的平均速度4秒左右, 满足电力检修实际场景中的实时应用要求.
|
图 7 安全带违规检测过程图 |
4 结论与展望
本文数据集将更进一步增加和更新, 为以后人工智能计算机视觉研究在国家电力工业方面的研究奠定基础. 该课题虽然还存在问题, 针对此问题本作者将继续跟进探索研究关键点检测和人员检测相结合的算法. 安全带检测模型和关键点检测模型相结合, 准确检测出安全带低挂高用的违规操作, 及时发现问题并解决问题. 本课题基于上述背景和思想, 提出了基于深度学习的安全带规范检测算法, 利用深度学习的方式减少了传统人工选取特征的种种麻烦, 通过计算机视觉检测的方法, 可以较精准的判断高处作业施工人员安全带的佩戴情况, 有效的预防意外安全事故的发生, 为当前工业检测和识别领域提供新的解决办法, 场景安全带的检测与识别也具有较强的现实意义.
| [1] |
Wang TC, Anwer RM, Cholakkal H, et al. Learning rich features at high-speed for single-shot object detection. Proceedings of 2019 IEEE/CVF International Conference on Computer Vision. Seoul, Republic of Korea. 2019. 1971–1980.
|
| [2] |
Redmon J, Divvala S, Girshick R, et al. You only look once: Unified, real-time object detection. Proceedings of 2016 IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas, NV, USA. 2016. 779–788.
|
| [3] |
Redmon J, Farhadi A. YOLO9000: Better, faster, stronger. Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition. Honolulu, HI, USA. 2017. 7263–7271.
|
| [4] |
Redmon J, Farhadi A. YOLOv3: An incremental improvement. arXiv preprint arXiv: 1804.02767, 2018.
|
| [5] |
Bochkovskiy A, Wang CY, Liao HYM. YOLOv4: Optimal speed and accuracy of object detection. arXiv preprint arXiv: 2004.10934, 2020.
|
| [6] |
Liu W, Anguelov D, Erhan D, et al. SSD: Single shot multibox detector. Proceedings of the 14th European Conference on Computer Vision. Amsterdam, the Netherland. 2016. 21–37.
|
| [7] |
Fu CY, Liu W, Ranga A, et al. DSSD: Deconvolutional single shot detector. arXiv preprint arXiv: 1701.06659, 2017.
|
| [8] |
Girshick R, Donahue J, Darrell T, et al. Rich feature hierarchies for accurate object detection and semantic segmentation. Proceedings of 2014 IEEE Conference on Computer Vision and Pattern Recognition. Columbus, OH, USA. 2014. 580–587.
|
| [9] |
He KM, Zhang XY, Ren SQ, et al. Spatial pyramid pooling in deep convolutional networks for visual recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(9): 1904-1916. DOI:10.1109/TPAMI.2015.2389824 |
| [10] |
Girshick R. Fast R-CNN. Proceedings of 2015 IEEE International Conference on Computer Vision. Santiago, Chile. 2015. 1440–1448.
|
| [11] |
Ren SQ, He KM, Girshick R, et al. Faster R-CNN: Towards real-time object detection with region proposal networks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(6): 1137-1149. DOI:10.1109/TPAMI.2016.2577031 |
| [12] |
He KM, Gkioxari G, Dollár P, et al. Mask R-CNN. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2020, 42(2): 386-397. DOI:10.1109/TPAMI.2018.2844175 |
| [13] |
Krizhevsky A, Sutskever I, Hinton GE. ImageNet classification with deep convolutional neural networks. Communications of the ACM, 2017, 60(6): 84-90. DOI:10.1145/3065386 |
| [14] |
Lin TY, Dollár P, Girshick R, et al. Feature pyramid networks for object detection. Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition. Honolulu, HI, USA. 2017. 936–944.
|
| [15] |
蔡念, 周杨, 刘根, 等. 鲁棒主成分分析的运动目标检测综述. 中国图象图形学报, 2016, 21(10): 1265-1275. DOI:10.11834/jig.20161001 |
| [16] |
魏云超, 赵耀. 基于DCNN的图像语义分割综述. 北京交通大学学报, 2016, 40(4): 82-91. DOI:10.11860/j.issn.1673-0291.2016.04.013 |
| [17] |
Tekin B, Katircioglu I, Salzmann M, et al. Structured prediction of 3D human pose with deep neural networks. Proceedings of the British Machine Vision Conference. York, UK. 2016. 130.
|
| [18] |
Tekin B, Márquez-Neila P, Salzmann M, et al. Learning to fuse 2D and 3D image cues for monocular body pose estimation. Proceedings of 2017 IEEE International Conference on Computer Vision. Venice, Italy. 2017. 3961–3970.
|
| [19] |
Tome D, Russell C, Agapito L. Lifting from the Deep: Convolutional 3D pose estimation from a single image. Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition. Honolulu, HI, USA. 2017. 5689–5698.
|
| [20] |
Li SJ, Chan AB. 3D human pose estimation from monocular images with deep convolutional neural network. Proceedings of 12th Asian Conference on Computer Vision. Singapore. 2014. 332–347.
|