通过深度学习实现安全帽佩戴的检测
通过深度学习实现安全帽佩戴的检测
前一段时间做企业的智能安全项目，我们在面对一些问题时，大胆采用深度学习的方法，解决传统算法和统计学算法不好实现的问题，今天就和大家分享一下，如何解决通过视频监控检测工人是否佩戴安全帽的深度学习算法。
安全帽检测
企业安全智能监控画面
01
概述
对于图像识别，采用传统的算法（opencv的一些算法），判断形状、颜色等等，我们在实验室和办公场所做测试，效果还不错，和容易识别出来。 一旦到了工业现场，图像完全不行，连人和车都识别不出来。在不同光线下不论采用什么颜色空间（RGB、HSV什么）都无法分离出合理的色彩，更不要提判断和检测了。有感于实际的现场环境，决定放弃传统的算法，拿起深度学习的工具，来搞定这个项目。
02
数据准备
高大上的人工智能背后，一定是苦逼的数据准备，深度学习的模型，需要成千上万的训练和测试数据，这些数据的采集和整理，还有数据的清洗都是体力活啊。
当然，我还是没傻到一张张去拍照片。我通过现场的摄像头做了视频采集，然后拿到录像，做了一个代码从录像中找到人，再把人的上半部分处理一下，变成标准格式的图片。这样子，2-3天的录像就可以产生几十万张图片了，看来训练集的问题解决了。
# -*- coding:utf-8 -*-
# 录像转换为图片
from time import gmtime, strftime
import cv2
videoFile = '/media/kingstar/kingstardata/safety_eyes/nohatdata/7.mp4'
cap = cv2.VideoCapture(videoFile)
cap.set(3,640)
cap.set(4,480)
while(True):
ret, frame = cap.read()
img = frame
cv2.imshow('my', img)
f = strftime("%Y%m%d%H%M%S.jpg", gmtime())
cv2.imwrite('output/'+ f, img)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
if img.size == 0:
break
cap.release
cv2.destroyAllWindows()采用SSD的算法（用于物体检测的深度学习主流算法之一）检测出图片中的人。
# -*-coding: utf-8-*-
from keras.preprocessing import image
from keras.applications.imagenet_utils
import preprocess_input from scipy.misc
import imread
import numpy as np
from ssd import SSD300
from ssd_utils import BBoxUtility
import matplotlib.pyplot as plt
import cv2
from os import listdir
voc_classes = ['Aeroplane', 'Bicycle', 'Bird', 'Boat', 'Bottle',
'Bus', 'Car', 'Cat', 'Chair', 'Cow', 'Diningtable',
'Dog', 'Horse','Motorbike', 'Person', 'Pottedplant',
'Sheep', 'Sofa', 'Train', 'Tvmonitor']
NUM_CLASSES = len(voc_classes) + 1
input_shape=(300, 300, 3)
model = SSD300(input_shape, num_classes=NUM_CLASSES) model.load_weights('weights_SSD300.hdf5', by_name=True)
bbox_util = BBoxUtility(NUM_CLASSES)
def ssd(img_path):
global oPath
inputs = []
images = []
#img_path = 'test02.jpg'
img0 = cv2.imread(img_path)
img = image.load_img(img_path, target_size=(300, 300))
img = image.img_to_array(img)
images.append(imread(img_path))
inputs.append(img.copy())
inputs = preprocess_input(np.array(inputs))
preds = model.predict(inputs, batch_size=1, verbose=1)
results = bbox_util.detection_out(preds)
#print results
# Parse the outputs.
for i, img in enumerate(images):
det_label = results[i][:, 0]
det_conf = results[i][:, 1]
det_xmin = results[i][:, 2]
det_ymin = results[i][:, 3]
det_xmax = results[i][:, 4]
det_ymax = results[i][:, 5]
#print i,det_label,det_conf
# Get detections with confidence higher than 0.6.
top_indices = [i for i, conf in enumerate(det_conf) if conf >= 0.5]
top_conf = det_conf[top_indices]
top_label_indices = det_label[top_indices].tolist()
top_xmin = det_xmin[top_indices]
top_ymin = det_ymin[top_indices]
top_xmax = det_xmax[top_indices]
top_ymax = det_ymax[top_indices]
#colors = plt.cm.hsv(np.linspace(0, 1, 21)).tolist()
#plt.imshow(img / 255.)
#currentAxis = plt.gca()
#print top_label_indices
#print top_conf
#print top_conf.shape[0]
for i0 in range(top_conf.shape[0]):
xmin = int(round(top_xmin[i0] * img.shape[1])) ymin = int(round(top_ymin[i0] * img.shape[0]))
xmax = int(round(top_xmax[i0] * img.shape[1]))
ymax = int(round(top_ymax[i0] * img.shape[0])) score = top_conf[i0]
label = int(top_label_indices[i0])
label_name = voc_classes[label - 1]
#display_txt = '{:0.2f}, {}'.format(score, label_name)
#coords = (xmin, ymin), xmax-xmin+1, ymax-ymin+1
#color = colors[label]
#currentAxis.add_patch(plt.Rectangle(*coords, fill=False, edgecolor=color, linewidth=2))
#currentAxis.text(xmin, ymin, display_txt, bbox={'facecolor':color, 'alpha':0.5}) print label_name,score,xmin,ymin,xmax,ymax
fileStr0 = img_path.split('.')[-2]
fileStr0 = fileStr0.split('/')[-1]
if label_name == 'Person':
fileStr = '%s/Person5/%s.%d.jpg' %(oPath,fileStr0,i0+1)
im = img0[ymin:ymax,xmin:xmax]
r = cv2.imwrite(fileStr,im)
print 'Person0',fileStr
if label_name == 'Car1' or label_name == 'Motorbike1':
fileStr = '%s/Car/%s.%d.jpg' %(oPath,fileStr0,i0+1)
im = img0[ymin:ymax,xmin:xmax]
r = cv2.imwrite(fileStr,im)
print 'Car0',fileStr
#plt.show()
#cv2.imshow('im', im)
#cv2.waitKey(0) if __name__ == "__main__": img_path = 'test02.jpg'
mPath = '/media/kingstar/kingstardata/safety_eyes/baidu5'
oPath = '/media/kingstar/kingstardata/safety_eyes/out'
trainFileList = listdir(mPath)
m =len(trainFileList)
print m
for i in range(m):
fileNameStr = trainFileList[i]
fileStr = fileNameStr.split('.')[-2]
print i,fileNameStr,fileStr fileNameStr = '%s/%s' % (mPath,fileNameStr)
print 'step:%d/%d' % (i,m)
ssd(fileNameStr)这样就可以建立自己的训练集：
train和test （带不带帽子的标注需要人工去做... 这个还是很苦逼）
训练集
03
搭建模型
考虑到标准的图片只有128*128，特征不是很多，就动手搭建一个不算深的深度学习模型，采用卷积神经网络处理图形特征，搞过cnn的同学会觉得so easy。
model = Sequential() model.add(Convolution2D(32, 3, 3, input_shape=( img_width, img_height, 3))) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Convolution2D(64, 3, 3)) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Convolution2D(64, 3, 3)) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Flatten()) model.add(Dense(64)) model.add(Activation('relu')) model.add(Dropout(0.5)) model.add(Dense(1)) model.add(Activation('sigmoid')) model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
这是个只有三层的卷积神经网络，我们就拿这个模型进行训练和学习吧。
04
训练神经网络
深度学习的训练是极其需要强大的算力的，多亏我们的模型较小，另外我们还DIY了一台深度学习服务器，有了强大的GPU做运算。
经过了一晚上的训练，终于出了结果，数据上还不错，识别率竟然到了95%以上。
具体代码如下：
# -*-coding: utf-8-*-
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Sequential
from keras.layers import Convolution2D, MaxPooling2D
from keras.layers
import Activation, Dropout, Flatten, Dense
# dimensions of our images.
img_width, img_height = 128, 128
train_data_dir = '/media/kingstar/kingstardata/data/train'
validation_data_dir = '/media/kingstar/kingstardata/data/test'
nb_train_samples = 4000
nb_validation_samples = 800
nb_epoch = 60 model = Sequential()
model.add(Convolution2D(32, 3, 3, input_shape=( img_width, img_height, 3))) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Convolution2D(64, 3, 3)) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Convolution2D(64, 3, 3)) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2, 2))) model.add(Flatten()) model.add(Dense(64)) model.add(Activation('relu')) model.add(Dropout(0.5)) model.add(Dense(1)) model.add(Activation('sigmoid')) model.compile(loss='binary_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
train_datagen = ImageDataGenerator( rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
train_data_dir,
target_size=(img_width, img_height),
batch_size=32,
class_mode='binary')
validation_generator = test_datagen.flow_from_directory(
validation_data_dir,
target_size=(img_width, img_height),
batch_size=32,
class_mode='binary')
model.fit_generator(
train_generator,
samples_per_epoch=nb_train_samples,
nb_epoch=nb_epoch,
validation_data=validation_generator,
nb_val_samples=nb_validation_samples)
model.save('trianHat12801.h5')
05 结论
通过简单的cnn模型和一个小规模的数据集的训练，基本上达到了目标。
不过在实际测试用的识别率还是比较低，感觉还是无法直接用于生产环境。
没关系，下一步我们会采用成熟的模型vgg或resnet，在这个模型后端做修改，进行调优和训练，另外提高训练集的数量和进一步做数据清洗，已达到可以直接在生产环境上使用的目标。