点击次数：

论文类型：期刊论文

发表时间：2019-04-25

发表刊物：安全与环境学报

收录刊物：PKU

卷号：19

期号：2

页面范围：535-541

ISSN号：1009-6094

关键字：安全工程;施工管理;安全帽识别;深度学习;Faster RCNN

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.