- 综合排序
- 最热优先
- 最新优先
- 来自专栏贾志刚-OpenCV学堂
Tensorflow + OpenCV4 安全帽检测模型训练与推理
分为两个类别，分别是安全帽与人（hat与person），json格式如下： item { id: 1 name: 'hat' } item { id: 2 name: 'person' 模型训练 基于faster_rcnn_inception_v2_coco对象检测模型实现迁移学习，首先需要配置迁移学习的config文件，对应的配置文件可以从: research\object_detection 模型导出与OpenCV DNN中使用 使用OpenCV DNN调用模型 在OpenCV DNN中直接调用训练出来的模型完成自定义对象检测，这里需要特别说明一下的，因为在训练阶段我们选择了模型支持600 下载的公开数据集，记得用opencv重新读取一遍，然后resave为jpg格式，这个会避免在生成tfrecord时候的图像格式数据错误。 /opencv/wiki/Deep-Learning-in-OpenCV https://github.com/tensorflow/models/tree/master/research/object_detection
2.7K20发布于 2020-09-08 - 来自专栏燧机科技-视频AI智能分析
安全帽佩戴检测系统
安全帽佩戴检测系统在监控摄像头可监控到的地区画面中自动检索施工工作人员是不是戴安全帽、反光衣，假如见到工作人员不戴安全帽、反光衣，安全帽佩戴检测系统将开展语音播报，纪录违纪行为。 安全帽佩戴检测系统运用智能视频分析沿深度神经网络技术相结合，具备高精度、兼容强、特点可靠性强的特性。 根据图像识别算法鉴别安全帽的佩戴状况，当总数较多时，工作人员重合和一部分屏蔽掉，工作人员静止不动或者运动，工作人员的各种姿势和视角可以具备较高的分辨率。 减少施工现场工作人员管理成本，提高效率；安全帽佩戴检测系统合理填补传统式办法和质量监督的缺点，将处于被动监管改成积极监控，使每一个当场更为智能化。安全帽佩戴检测系统可以自动检索拍照范围内的工作人员。 运用人脸识别技术、安全帽、反光衣识别系统，进行建筑施工区工作人员帽子鉴别、反光衣鉴别、无安全帽音频视频警报、无反光衣穿戴音频视频警报、操作错误查验警报、操作错误纪录、不法数据统计分析。
60940编辑于 2022-09-08 - 来自专栏BVS智能视频分析-安全帽识别技术
BVS 安全帽识别系统（安全帽佩戴检测）
在各各行都存在着在岗工人不佩戴安全帽和做相关安全措施危险作业，由于未佩戴安全帽而造成的伤亡时有发生。 安全帽佩戴管理成为一大难点，为降低管理难度提高在岗人员安全意识，可在各种生产现场部署安全帽识别仪实时视频检测预警在岗工人是否按照要求做好安全防范措施作业。 系统功能 实时分析识别与预警 应用视频监控的实时视频对工作人员的安全帽的佩戴进行实时识别和检测，对未佩戴安全帽的危险行为可实时监测和预警，告警视频、截图都可以在客户端显示，可以在现场部署音响和扬声器给出报警提示 场景模式应用 模式一：联动门禁模式 在企业高危区域大门部署安全帽识别系统结合门禁系统，当工作人员要进如防护区域进行工作时，门禁刷卡后，需检测是否佩戴安全帽，若未佩戴安全帽则无法开启门禁。 模式二：动态监测模式 在安全生产区域内部署安全帽识别系统，通过对摄像机画面内是否有人员活动实时监测，当检测到有人时，识别检测在岗人员是否佩戴安全帽，若未佩戴安全帽则输出报警信息，通知后台监控人员。
3.4K110发布于 2018-05-22 - 来自专栏燧机科技-视频AI智能分析
ai安全帽识别检测
ai安全帽识别检测通过python+yolov5网络模型深度学习AI视频分析技术，ai安全帽识别检测对现场人员是否佩戴安全帽进行识别检测，ai安全帽识别检测一旦发现现场工人员没有按要求佩戴安全帽，自动进行预警并保存图像到本地同步提示后台人员及时处理 我们选择当下YOLOv5来进行安全帽识别检测。6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天。而且这一次的YOLOv5是完全基于PyTorch实现的！ 在我们还对YOLOv4的各种高端操作、丰富的实验对比惊叹不已时，YOLOv5又带来了更强实时目标检测技术。 3.基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构；4.Neck网络：在目标检测领域，为了更好的提取融合特征，通常在Backbone和输出层，会插入一些层，这个部分称为Neck Yolov5中添加了FPN+PAN结构，相当于目标检测网络的颈部，也是非常关键的。 图片
76230编辑于 2023-03-20 - 来自专栏燧机科技-视频AI智能分析
工地安全帽佩戴检测
工地安全帽佩戴检测利用深度学习和神经网络算法，对监控区域人员安全帽佩戴实时检测，当安全帽佩戴检测系统检测到有人未按要求佩戴安全帽，马上预警提醒，报警记录可展示在后台监控系统页面，还可以将报警记录传送到手机 工地安全帽佩戴检测系统能与后台预警、语音广播、警报查看记录统计分析紧密结合，方便查看。它能够降低工作上各种意外损失或者危险。 安全帽佩戴检测系统当检测到人员未按要求佩戴安全帽时，马上预警提醒，并把报警记录储存在服务器中，包含违规记录的时长、地址、图片、视频等。 工地安全帽佩戴检测系统还可以识别反光衣穿戴、工作服着装合规、安全带穿戴识别、睡岗离岗识别、抽烟识别、玩手机打电话识别等。图片
68800编辑于 2022-10-11 - 来自专栏燧机科技-视频AI智能分析
安全帽检测识别系统
安全帽检测识别系统是运用多感知融合多流水线处理技术对监控画面进行实时剖析识别。假如安全帽检测识别系统发觉施工作业现场工作人员未按要求配戴安全帽，系统将全自动发出预警声响。 从安全性的方面看来，全部进到施工现场的管理人员都务必佩戴安全帽。安全帽作为最普遍、最适用的个体防护设备之一，可以合理地避免和降低外界风险源对脑部的损害。 但在现场操作流程中，安全帽的佩戴非常容易被人为因素忽略，导致了很多人身安全意外事故。 人工智能监控识别安全帽监管系统是这种独特地区的守卫者。可以说，安全帽识别是建筑施工管理转型发展的主要方式，为专职安全员开展当场监管准确率和管理效率提供了的技术性保障。 人工智能监控识别安全帽监控系统很好地解决了这一问题，不按要求佩戴安全帽的识别率很高，及时阻拦不合规的操作及着装，安全帽检测识别系统为当场工作人员竖起安全防火墙，使现场施工管理智能化与生产安全得到融合保障
50930编辑于 2022-09-09 - 来自专栏全栈程序员必看
基于python的安全帽识别安全帽检测可以检测图片，视频流，有界面
安全帽识别，安全帽检测yolo可以检测图片，视频流，有界面python识别率99% # parameters nc: 3 # number of classes <============ 修改这里为数据集的分类数 aid=972775064 python yolo 安全帽识别 项目代码下载： Python工地安全帽识别安全帽检测预警yolo可以检测图片，视频流，有界面python商用源码-互联网文档类资源-CSDN 下载 0基础部署该项目视频教程： 商用Python工地安全帽识别安全帽检测预警yolo可以检测图片，视频流，有界面python商用源码视频讲解-深度学习文档类资源-CSDN下载 发布者：全栈程序员栈长，
1.2K10编辑于 2022-08-26 - 来自专栏燧机科技-视频AI智能分析
安全帽佩戴识别检测系统
安全帽佩戴识别检测系统是一种根据各大现场终端监控传回的视频流进行实时分析识别的系统。应用全新的深度神经网络和云计算技术来全自动识别现场监控画面中人跟物的各种各样违规操作，而不是我们的双眼去判断。 安全帽识别系统可以严控识别现场作业人员安全帽佩戴，并应用人工智能技术即时剖析工作中現场的视频画面信息。假如发觉工作员并没有按要求佩戴安全帽，系统会自行传出报警。 但是，虽然施工单位常常开展安全知识教育，并规定职工佩戴安全帽，但总会有一些人因为多种缘故没法确保随时随地佩戴安全帽，造成生产制造安全生产事故经常产生。 根据智能视频分析，未佩戴安全帽识别系统识别监管范围内未佩戴安全帽的工作人员。 当出现异常状况时，应以更快、更高效的形式开展预警信息，力争第一时间做到事先预警信息、事中正常的检测、过后规范化管理，安全识别检测系统将安全操作合规工作人员从繁杂枯燥乏味的盯住显示屏每日任务中释放出来。
54810编辑于 2022-09-09 - 来自专栏燧机科技-视频AI智能分析
工地安全帽智能识别检测系统
在施工工地，务必配戴安全帽，工地安全帽智能识别检测系统可以在大部分工程施工损害中充分发挥保障功效。 但在具体运用中，不戴安全帽、临时性摘帽子等违纪行为常常产生，安全性工作人员不可以即时查验施工队伍是不是戴安全帽，多次开展工作人员查验，提升经济成本和用工成本费。 工地安全帽智能识别检测系统全自动监管现场施工作业区域范围内的工作人员是不是戴安全帽。要是没有戴安全帽，会及时警示，并通告监控后台安全管理者妥善处理。 当监控职工在作业全过程中不戴安全帽时，马上警报，合理帮助管理者工作中，降低乱报和少报，减少人力监管成本费。 工地安全帽智能识别检测系统自动识别进到实际操作范围的工作人员：假如工作人员并没有戴安全帽，可以马上警报，将报警截屏和视频存储到数据库形成报表，与此同时向有关现场管理工作人员推送警报信息，可以依据警报纪录和警报截屏
49520编辑于 2022-09-09 - 来自专栏燧机科技-视频AI智能分析
煤矿安全帽佩戴检测系统
煤矿安全帽佩戴检测系统在安全生产中是至关重要的。全天候24h识别监督作业人员是否佩戴安全帽，能提高工人的安全防范意识，降低危险发生的几率。 伴随着行业需求的持续细分化，煤矿安全帽佩戴检测系统将快速迭代，应用安全帽或工作服装开展分组管理，融合脸部鉴别系统，对重点区域进行布控和设防。 在煤矿生产安全定制的各个领域，安全帽是煤矿安全生产的安全防范措施，我觉得每个人都应该非常清楚安全的作用。安全帽一般是为了保持头上不受伤害。 煤矿安全帽佩戴检测系统技术能够实现对煤矿行业生产和生产制造进行实时分析识别，煤矿安全帽佩戴检测系统可记录未戴安全帽的人员，并立即向有关部门汇报并及时提醒。对煤矿出入人员进行实时监控系统系统。
28330编辑于 2022-09-22 - 来自专栏燧机科技-视频AI智能分析
安全帽佩戴检测摄像头
安全帽佩戴检测摄像头借助现场已有的监控摄像头或者专门安装内置算法的监控摄像头，对现场人员安全帽佩戴进行实时识别检测。安全帽佩戴检测摄像头通过RTSP协议访问摄像机视频流，实时获取分析。 立即识别视频监控区域未戴安全帽的工人，并实时分析抓拍警报。施工工地是一个存有安全隐患的地区。施工作业时佩戴安全帽是一项十分必须的环节。后台监控人员一般很难实时高效的发现违规行为，没办法顾及。 安全帽佩戴检测摄像头全方位对现场人员不戴安全帽子识别和警报作用刚好可以处理这一问题。一定程度上节省了不分人力成本，确实有效的提升了作业现场对违规行为的监管效率。 安全帽佩戴检测摄像头依据视深度学习和神经网络算法技术，对现场进出口及关键作业领域等人员行为活动或者是不是佩戴安全帽开展识别、分析与预警提醒，并把警报截屏和视频保存到数据库系统系统，24小时全天候不间断持续识别现场安全管理预警分析信息内容
61320编辑于 2022-10-05 - 来自专栏RTSP/RTMP直播相关
多种方式实现安全帽佩戴检测
目标检测：使用目标检测算法，如基于深度学习的目标检测算法，检测图像中的人员和安全帽。 安装计算机视觉库，如 OpenCV。OpenCV 在图像处理和视频分析方面非常有用，可以帮助我们读取图像和视频、进行预处理以及显示结果。 收集和标注数据集 收集包含人员佩戴和未佩戴安全帽的图像数据集。 这些权重可以在后续的检测阶段中加载使用，以便对新的图像进行安全帽佩戴检测。三、检测安全帽佩戴情况 加载训练好的模型 在进行安全帽佩戴检测之前，需要加载训练好的 YOLO 模型权重。 读取图像或视频流 要检测安全帽佩戴情况，可以读取单个图像文件或视频流。如果是图像，可以使用 OpenCV 等库来读取图像并将其转换为合适的格式。 对于安全帽佩戴检测，目标框将包围人员的头部，类别标签将指示是否佩戴安全帽，置信度分数表示检测结果的可靠性。 处理检测结果 根据模型输出的检测结果，进行进一步的处理。
63010编辑于 2024-10-19 - 来自专栏用户6291251的专栏
OpenCV：人脸检测。
前段时间断更了好久，一部分原因就是学习OpenCV去了。 OpenCV是一个开源、跨平台的计算机视觉库，可以用于各种图像和视频处理操作。 比如最近写的一篇文章里就发现了计算机视觉的内容。 所以接下来会分享一些关于OpenCV有趣的小案例，毕竟要让学习变得有趣。 本次就来了解一下，如何通过OpenCV对人脸进行检测。 其中OpenCV有C++和Python两种，这里当然选用Python啦。 环境什么的，就靠大伙自己去百度了。 / 01 / 图片检测 先来看一下图片检测，原图如下。 ? 是谁我就不说了。 训练数据是现成的，利用现成的数据，通过训练进而来检测人脸。 代码如下。 / 02 / 视频检测 视频用的抖音的上的视频。 这里只截取检测效果比较好的视频段作为例子。 毕竟训练数据的质量摆在那里，有的时候会出现一些错误。 如想提高检测的精度，便需要一个高质量的人脸数据库。
2.5K20发布于 2020-10-09 - 来自专栏流川疯编写程序的艺术
OpenCV 轮廓检测
读入彩色3通道图像，转换成灰度图像，再转换成二值图像，完后检测轮廓。 // cvtcolor.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include <iostream> #include <opencv2/highgui/highgui.hpp> #include <opencv2 /core/core.hpp> #include <opencv2/imgproc/imgproc.hpp> #pragma comment(lib, "opencv_highgui2410d.lib ") #pragma comment(lib, "opencv_core2410d.lib") #pragma comment(lib, "opencv_imgproc2410d.lib") using mode表示轮廓的检索模式 CV_RETR_EXTERNAL表示只检测外轮廓 CV_RETR_LIST检测的轮廓不建立等级关系 CV_RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息
1.3K20编辑于 2022-11-29 - 来自专栏Python编程 pyqt matplotlib
OpenCV 圆检测
OpenCV 的 HoughCircles() 函数可以用来在一张单通道图像里检测圆形物体。 method 定义检测图像中圆的方法。目前唯一实现是cv2.HOUGH_GRADIENT dp：累加器分辨率与图像分辨率的反比。dp取值越大，累加器数组越小。 minDist：检测到的各个圆的中心坐标之间的最小距离（以像素为单位）。如果过小，可能检测到多个相邻的圆。反之，过大则可能导致很多圆检测不到。 param1：用于处理边缘检测的梯度值方法。 阈值越小，能检测到的圆越多。 minRadius：半径的最小值（以像素为单位）。 maxRadius：半径的最大值（以像素为单位）。 下面以这张气球串的照片为例进行讲解。 ? 最后进行圆检测: #HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius
2.7K20发布于 2019-09-08 - 来自专栏用户6291251的专栏
OpenCV：边缘检测。
其中OpenCV提供了许多边缘检测滤波函数，这些滤波函数都会将非边缘区域转为黑色，将边缘区域转为白色或其他饱和的颜色。 不过这些滤波函数都很容易将噪声错误地识别为边缘，所以需要进行模糊处理。 边缘检测则是使用OpenCV的Canny函数实现，算法虽然很复杂，但是代码却很简单。 下面就来实现一下「跳一跳」的边缘检测，得以获取方块的中心位置。 / 01 / 边缘检测 Canny边缘检测代码如下。 下面是原图像灰度图和边缘检测图像。 ? 接下来，通过边缘检测图像找到方块的第一个顶点(上顶点)。 左图为边缘检测原图，右图为找到方块中心点并以中心点为圆心绘制圆形的图像。 / 02 / 跳动实现 现在结合之前模板匹配获得到的小跳棋位置，计算两中心的距离。 勾三股四弦五，便能得到两个中心的距离了。
2K20发布于 2020-10-09 - 来自专栏Python编程 pyqt matplotlib
OpenCV 检测人
OpenCV 自带的HOGDescriptor类可以用来检测人。 下面是一个简单的例子，只使用默认参数。 不尽如人意，检测器好像对人腿情有独钟。下面给它喂一点大长腿： ? ? 这张却只检测到手臂了.......说明它很任性。 <2>foundlocations：检测出的物体的边缘。 <3>foundWeights: 检测窗口得分 <4>hit_threshold：阀值，特征向量和SVM划分超平面的距离，大于这个值的才作为目标返回。 <6>scale0：检测窗口增长参数。 <7>finalThreshold：检测结果聚类参数<8>useMeanshiftGrouping:聚类方式选择的参数 '''
1.1K20发布于 2020-07-13 - 来自专栏Python编程 pyqt matplotlib
OpenCV 轮廓检测
在计算机视觉中，轮廓检测是另一个比较重要的任务。它包含的操作有计算矩形边界、圆形边界、多边形边界等等。 我们以下面的黑猫图为例来讲解如何利用OpenCV进行轮廓检测。 ? img0 = cv2.imread("cat.jpg") #img = cv2.pyrUp(img)#面积放大4倍 img0 = cv2.pyrDown(img0)#原图有点大，面积缩小到1/4 要做轮廓检测 我们可以看到，原图底部灰色的文字在转二值图的时候被过滤掉了，不参与轮廓检测。 此时，我们可以检测轮廓点集（图中绿色的外边界点） #2个返回值，分别是轮廓的点集(contours)和各层轮廓的索引(hierarchy) # openCV 4 , 否则注意版本差异！
2.2K20发布于 2019-09-02 - 来自专栏AI异构
OpenCV 边缘检测
OpenCV 边缘检测 Canny算子 Canny 边缘检测算子，其算法步骤大体如下： 1) 用高斯滤波器对输入图像做平滑处理 (大小为 5x5 的高斯核) ? 因此，对于 Sobel 和 Scharr 函数，通常各自求其 x 和 y 方向的导数，然后通过加权来进行边缘检测。 参考代码 #include <opencv2/opencv.hpp> #include <iostream> #include <math.h> using namespace cv; int main /scharrImage.jpg",scharrImage); waitKey(0); return 0; } 参考 [OpenCV 之 边缘检测]https://www.cnblogs.com /xinxue/p/5348743.html [OpenCV3编程入门读书笔记5-边缘检测]https://www.cnblogs.com/justkong/p/7297836.html
1.2K10发布于 2020-07-29 - 来自专栏我爱计算机视觉
OpenCV矩形检测
矩形检测有什么用？ 世界上有各种各样的形状，但机器视觉中我们关注的形状却往往是规则的，比如圆形（OpenCV有霍夫变换函数可以直接检测），椭圆（之前分享过一篇非常棒的博文：开源、快速、高精度的椭圆检测—你值得拥有！） 虽然矩形检测看起来不难，好像是只要定位到四条边判断两两直线夹角就好了，但要做好也不是那么简单的，Code用时方恨少，这篇博文你一定要收藏啊！ 分享的开源代码地址： https://github.com/alyssaq/opencv 其算法流程： 1.中值滤波去噪； 2.依次提取不同的颜色通道（BGR）检测矩形； 3.对每一通道使用canny检测边缘或者使用多个阈值二值化 仅依赖OpenCV，linux和windows下的编译都很简单。 再发一下地址： https://github.com/alyssaq/opencv 赶紧试用一下吧，你也能做出一个扫描全能王了～
4.2K20发布于 2019-12-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号