使用人工智能来检测工地人员是否佩戴个人防护设备

描述

建筑工地是繁忙的地方，当许多承包商同时工作时，尤其是当他们没有使用适当的个人防护设备 (PPE) 时，可能会构成非常危险的环境，本文件中描述的系统会检测工人是否穿着适当的个人防护设备或不在带有英特尔神经电脑棒 2 的树莓派上运行 Tiny-YOLOv3 以加速推理过程。

该项目由电子工程硕士研究生 Fernando 在 12 周的时间内作为项目主题的一部分实现。

该设备在边缘使用人工智能来检测建筑工地的人员是否佩戴了适当的个人防护设备（PPE），旨在自主和离线（无需互联网连接）提高工作场所的安全性。整个系统基于一种称为 YOLO 的最先进的对象检测技术，YOLO 代表你只看一次，并且基于人类只需看一次就可以立即识别图像中的对象的事实。

YOLO 基本上是一个卷积神经网络，可以被训练来检测多个对象类别，在这个项目中，它被训练来检测 3 个不同的类别（人、帽子和背心）。为了训练模型，创建了一个数据集，其中包含 3000 个完全注释的图像（每个图像都有一个关联的 txt 文件，其中包含图像中每个对象的坐标）。此外，还采用了数据增强技术来增加数据集，而无需注释新图像。

一旦网络经过训练，它就会使用英特尔 openvino 软件转换为可用于任何英特尔平台（如 fpga、英特尔神经计算棒、英特尔 GPU 等）的格式。

本案例中的实施是使用用于快速开发的现成产品完成的，例如 raspberry pi、raspberry pi 相机、sense hat 和个人设计的 3D 打印外壳，以低廉的价格提供便携性和坚固性。

结果在演示中可以看到，系统可以同时检测多个物体，网络泛化性非常好（可以成功检测多种颜色和类型的帽子和背心以及不同性别和年龄的人）。

这个项目只是一个原型，但需要进一步的工作来构思最终的商业产品，主要限制是目前的数据集，需要收集和标记更多的图像以使其更加健壮和准确。