基于MOT 模型的安全著裝檢測方法

李曉娜

（廣東工業大學，廣東 廣州 510006）

引言

近年來，大多數企業在工業現場安裝了生產監控系統，用于實時監測現場人員的位置、動作和防護裝備的穿戴情況[1]。其中通過實時監控并檢測現場人員是否佩戴安全帽[2]，對于實現安全生產事故的預測預判具有著重要的現實意義。

此前，本人對于工業現場安全帽佩戴檢測提出了2 個方案，這2 個方案都主要分為三個模塊：人體檢測，人員目標跟蹤，安全帽檢測。首先使用HOG（Histogram of Orientedd Gradient）特征以及支持向量機（Support Vector Machine，SVM）訓練了行人目標分類器[3]，對工業現場的視頻圖像幀行人目標進行檢測和定位。接著使用跟蹤算法進行目標關聯，執行目標追蹤任務，避免發生重復報警[4]。最后對頭部圖像區域進行安全帽的目標檢測。

這2 個方案的區別在于使用的跟蹤算法不同：方案一使用sort（Simple Online and Realtime Tracking）物體跟蹤算法[5]進行行人目標跟蹤。sort 算法通過匈牙利算法建立損失矩陣進行目標關聯。方案二使用deep-sort（Simple Online and Realtime Tracking with a Deep Association Metric）物體跟蹤算法[6]進行人體目標跟蹤。由于sort 算法僅利用了物體的運動信息進行關聯匹配，而沒有利用物體的外觀信息，當視頻圖像幀中兩人重疊時，位置會發生交換，即出現了ID-Switch 現象。deep-sort 利用預先設計的CNN 網絡，提取出一個描述目標框內物體外觀的向量，并將這一向量融入損失矩陣，從而使得匈牙利算法的匹配結果更可靠，大大較低了ID-Switch 發生的頻率。

以上2 個方案中的跟蹤算法都使用目標檢測和目標關聯兩個獨立的模型完成，因為用到了兩個模型，所以往往跟蹤的執行效率不太理想。因此本文提出了使用單個共享模型同時完成目標檢測和目標關聯的方法，并結合安全帽檢測模塊，實現工業現場安全帽佩戴高效率的檢測方案。

1 基于Harr 級聯訓練的安全帽檢測

1.1 Harr-like 特征

利用Harr 對安全帽進行特征提取。Harr-like 是一種非常經典的特征提取算法。Harr-like 特征提取過程就是利用滑動窗口在圖像中滑動和放大，當滑動到一個位置的時候，可通過公式（1）計算Harr 特征值，weight 為權重，為整個Harr 區域內像素和，為Harr黑色區域像素。

1.2 Adaboost 級聯分類器

得到安全帽計算的特征后，利用Adaboost 進行識別。Adaboost 級聯分類是樹狀結構，其中每一個stage 都代表一級強分類器。檢測窗口在通過所有強分類器時被視為目標，否則將被拒絕。

2 行人多目標檢測和跟蹤

當前多目標跟蹤系統通常結合了用于目標定位的檢測模型和用于數據關聯的外觀嵌入模型，導致集成兩個模型的目標跟蹤任務的執行效率低。本文系統使用的是一種基于目標檢測和外觀嵌入共享結構的多目標跟蹤模型，該模型的骨干結構是FPN（Feature Pyramid Networks for Object Detection）[7]，使用 anchorbox 進行檢測學習，使用交叉熵損失函數進行表觀特征學習，以便該模型可以同時輸出檢測結果和相應的嵌入。

2.1 FPN 網絡結構

FPN 是一種結合了低層和高層語義，同時兼顧大、小尺度對象的多尺度對象檢測和提取方法。該網絡結構可分為三部分：自底向上采樣、自頂向下采樣和大尺度特征圖合成。FPN 網絡結構具體如圖1 所示，上采樣將空間尺寸最小的特征圖，和尺寸第二小的特征圖橫向連接融合，對其他的尺度也進行相同操作。最后將基于三個尺寸融合的特征圖的預測頭進行相加。

圖1 FPN 網絡骨架

2.2 學習檢測

首先，針對行人目標設計了anchor。根據先驗知識，所有的anchor 的寬高比設置為1：3，各尺度包含4 個anchor，3 個尺度的anchor 數量為12。其次，使用雙重閾值進行前景與背景的匹配。若某anchor 和ground truth 的IOU 大于0.5 則視為前景；如果某anchor 和任意ground truth 的IOU 都小于0.4，則認為該anchor 為背景。通過這樣設置閾值，可以有效抑制虛假警報。

檢測的目標函數是由分類損失和定位損失組成，分類損失使用交叉熵損失，定位損失使用smooth-L1 損失，這與Faster R-CNN[8]是一致。

2.3 學習表觀特征

學習表觀特征的目的是使得同一目標表觀特征的差異小于不同目標的表觀特征的差異，交叉熵損失函數可以作為特征學習的損失訓練外觀特征，以達到這一目的。通過學習神經網絡的參數，得到高質量的目標圖片編碼，使得同一目標的編碼相似，而不同目標的編碼差異較大。交叉熵損失函數定義如公式（2）所示。

這里，A 是mini-batch 被選為anchor 的一個實例，anchor 屬于正類的概率表示為g+，屬于負類的概率表示為g-，即交叉熵損失使用的是樣本屬于某類別的概率，而不是直接使用樣本的特征向量。

2.4 實時關聯

對于輸入的圖像視頻，本文的模型輸出每一幀目標的目標框和表觀特征，以便計算出當前幀的表觀特征和歷史追蹤軌跡中的表觀特征之間的關聯矩陣。與deepsort 的物體跟蹤算法相似，該系統使用卡爾曼濾波器進行軌跡平滑和目標位置預測，并使用匈牙利算法檢測目標和歷史追蹤軌跡的關聯。如果某個被關聯的檢測框和預測框空間位置相距很遠，則刪除該關聯。

3 檢測系統方案設計與實現

3.1 檢測系統方案設計

基于目標檢測和外觀嵌入共享結構的MOT（Multi-Object Tracking）模型的檢測系統方案主要分為三個模塊，樣本采集與訓練，人體檢測與跟蹤，安全帽檢測。對于安全帽的樣本，采集了1500 張正樣本和1000 張負樣本，逆行規格統一化處理樣本后，采用Harr 級聯訓練。人體檢測與跟蹤模塊以FPN 為骨干結構，使用anchor 進行檢測學習，使用交叉熵損失函數進行表觀特征學習，訓練得到的模型可以同時輸出檢測結果和相應的嵌入結果。

3.2 檢測系統方案的實現

3.2.1 安全帽檢測的訓練

收集 1500 張正樣本和 1000 張負樣本，使用OpenCV4.3.0 自帶的opencv_traincascade.exe 進行級聯分類器訓練，訓練后在指定目錄下生成cascade.xml 文件，即為包含當前檢測目標Harr 特征值的文件。在系統中只需引入cascade.xml 文件即可進行安全帽的目標檢測。

3.2.2 行人檢測與目標跟蹤的實現

首先對視頻的圖像幀作為輸入進行跟蹤器的初始化。由跟蹤器對圖片中的行人進行檢測和跟蹤，使用行人檢測與跟蹤模塊得到的行人目標信息、跟蹤標識信息與安全帽檢測信息來初始化系統檢測結果序列集合trackers。

接著，對于后續的每一幀，調用跟蹤器的更新方法。利用檢測與跟蹤算法估算并更新行人目標的位置，對新的一幀中行人目標框區域的頂部三分之一區域進行安全帽檢測，并更新系統檢測結果序列集合trackers。

4 檢測系統結果展示與分析

4.1 系統檢測結果展示

安全帽檢測系統檢測結果如圖2 所示。

圖2 安全帽檢測系統結果展示

安全帽檢測系統通過檢測結果序列集合trackers 進行記錄，若系統檢測到目標行人連續五次及以上未佩戴安全帽，且結果序列集合顯示未報警過，則進行報警警告，從而避免發生誤報和重復報警。

4.2 系統檢測結果分析

表1 安全帽檢測結果分析

由表1 分析可得，基于目標檢測和外觀嵌入共享結構的MOT 模型的安全帽檢測系統，即方案三的優勢在于：

（1）與基于sort 跟蹤算法+HOG 行人檢測的安全帽檢測系統方案，即方案一比較，當視頻圖像幀中兩行人目標重疊時，不會發生位置交換，即ID-Switch 現象，同時檢測的成功率有一定的提高，系統的檢測幀率也有著大幅度的提高。

（2）與基于deep-sort 跟蹤算法+HOG 行人檢測的安全帽檢測系統方案，即方案二比較，成功率有一定的提高，系統檢測幀也得到了提升。

5 結論

通過樣本采集與訓練，人體檢測與跟蹤，安全帽檢測等模塊的組合，我們能夠在一定誤差的基礎上對于視頻監控的輸入圖像幀進行一定速度上的人體安全帽佩戴實時檢測。

基于目標檢測和外觀嵌入共享結構的MOT 模型的安全帽檢測系統在檢測成功率、幀率上都有著明顯的提高，且能夠避免ID-Switch 現象的出現。然而，該系統的設計還存在著不足之處，對于較復雜的環境，該系統的誤差率會有大幅度的提升；此外，系統的實時性還需要進一步的提升。因此下一步將圍繞著算法的穩定性和實時性開展深入的研究。