摘要：安全帽佩戴检测是工地安防的重中之重，但人为主观检测的方式时效性差且不能全程监控。AI技术的日渐成熟催生了安全帽佩戴检测方案，成为了监督佩戴安全帽的利器。本文将为您全面解析ZLG安全帽佩戴检测方案。
建筑业是国民经济的重要物质生产部门，它与整个国家经济的发展、人民生活的改善有着密切的关系。根据住建部数据，从2016年到2018年间，建筑业事故总量为上升趋势。有统计发现众多工地死亡事故中与安全帽相关的占比约 80%。大部分都是由于受害人不戴安全帽导致被物体打击或头部撞击致死。由此可见，正确佩戴安全帽对于员工安全而言相当重要。然而，在实际工作中工人未佩戴安全帽的不安全行为仍然时有发生。传统的施工现场主要依靠安全管理人员的主观监测，存在时效性差、不能全程监控等一系列问题。随着人工智能技术的日渐成熟，安全帽佩戴检测解决方案应运而生，未来有望成为危险施工现场的标配。
资料来源：住房和城乡建设部办公厅
本文将以 ZLG M1808 平台为例，对安全帽佩戴检测技术及应用进行介绍，阐述安全帽佩戴检测的算法基本原理和应用方向，介绍M1808开发平台应用搭建，并展示ZLG研发的安全帽佩戴检测应用demo。
一、基本原理与应用
安全帽佩戴检测是指不需要人工实时监控，仅通过摄像头和M1808平台，即可在实时监控条件下，自动识别工地或工厂危险区域内的工作人员是否按要求佩戴安全帽。
1. 算法原理
安全帽佩戴检测算法主要技术点为目标检测。本算法由ZLG算法团队自主研发，结合基于AI加速芯片的M1808平台特性进行了针对性的优化，算法效率高。安全帽检测算法对输入图像进行检测，如果存在佩戴安全帽或未佩戴安全帽人员，可以实时获取该人员在图像中的位置。算法应用逻辑如下图所示。
目标检测的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是机器视觉领域的核心问题之一。由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，目标检测一直是机器视觉领域最具有挑战性的问题。
基于目标检测的算法主要分为两类：one stage目标检测算法；two stage目标检测算法。常用的目标检测算法如下表。
用户可以根据自身需求选择适当的算法并训练模型，通过M1808相关开发工具进行模型转换，进一步实现M1808平台部署相关应用。
2. 算法功能
ZLG安全帽佩戴检测算法可实现佩戴安全帽检测和统计，包括统计人员总数和未戴安全帽的违规人员数量，具体如下所示。
佩戴安全帽人员检测如下图，可见当前人员总数为1，不存在违规人员。
未佩戴安全帽人员检测如下图，违规人员数量为1。
手持安全帽干扰检测如下图，可见手持安全帽不影响检测结果。
3. 应用方向与延伸
ZLG安全帽佩戴检测方案，原则上适用于任何需要佩戴安全帽的应用场景，如建筑、冶金化工、矿山、机械、电力、交通运输、林业和地质等作业的工种。
此外，ZLG安全帽佩戴检测方案可以迁移到电单车（摩托车）安全头盔佩戴的检测，以及泳池游泳者佩戴泳帽的检测功能等。当然，类似应用场景均可以考虑此方案，所需的只是特定场景的数据。
