安全帽/反光衣/工作服自动识别检测算法可以通过opencv+yolo网络对现场画面中人员穿戴着装进行实时分析检测，判断人员是否穿着反光衣/安全帽。在应用场景中，安全帽/反光衣/工作服检测应用十分重要，通过对人员的规范着装进行实时监测与预警， 可以降低安全隐患，提高安全性。
Tips：OpenCV的全称是Open Source Computer Vision Library，是一个跨平台的计算机视觉处理开源软件库。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。Yolo全称是You Only Look Once，它并没有真正地去掉候选区域，而是创造性地将候选区和目标分类合二为一，看一眼图片就能知道有哪些对象以及它们的位置。
Yolo模型采用预定义预测区域的方法来完成目标检测，将原始图像划分为7x7=49个网格（grid），每个网格允许预测出2个边框（bounding box，包含某个对象的矩形框），总共 49x2=98个bounding box。我们将其理解为98个预测区，很粗略的覆盖了图片的整个区域，就在这98个预测区中进行目标检测。
TSINGSEE青犀智能分析网关内置丰富的AI算法，其中安全帽、反光衣、工作服检测算法在工地、工厂等应用场景中使用十分广泛。TSINGSEE智能分析网关属于边缘AI计算硬件，它内置AI算法引擎，算力高达32T，可以支持16路视频流解析。
安全帽/反光衣/工作服自动识别检测算法通过对监控视频的图像进行实时检测，可实时检测指定区域内的工作人员是否按照要求穿戴安全帽、反光衣/工作服，当发现视频画面内出现人员违规时，将立即触发告警并抓拍、弹窗提示等，提醒管理人员及时处理，真正做到施工工地、工厂的安全信息化管理，做到事前预防、事中常态检测、事后规范管理。
在工地、工厂等场景的安全生产中，通过配备TSINGSEE智能分析网关中的人脸识别、安全帽、工作服、反光衣、烟火、周界警戒、液体泄漏等算法，可对工厂、工地、生产车间等场所与区域内的工作人员自动检测是否按照规范着装，同时依据抽烟/玩手机、离岗等AI算法，自动识别工作人员是否存在违规行为，依据烟火检测、液体泄漏检测等，及时发现工地/工厂存在的安全隐患问题并及时预警，保障企业安全生产。
在利旧场景中，它可以支持GA/T 1400 、RTSP、GB/T 28181等标准化协议，可充分利旧原有监控摄像头快速完成智能化升级和改造。此外，硬件还具备丰富的OPEN API和SDK接口，方便快速集成至多样化的业务场景需求中。
标签：安全帽,AI,检测,反光,opencv,算法,工作服 From： https://www.cnblogs.com/TSINGSEE/p/17899435.html