基于视觉识别的生产用具防护系统设计与实现

张孝若，邸 超，白家豪，白家俊，沈志元，段莉华*

（无锡职业技术学院，江苏 无锡 214121）

科学的进步大力推动了工业化的生产能力，各式各样的生产设备仪器也越来越精密，生产水平大幅度得到提升，但是，距离工业的全自动化还存在较大的距离，大部分的机器仪器设备的操作还无法离开人员的现场检查和操作。在机器仪器设备高速运转的情况下，如果没有相关的生产用具进行防护，就会带来很大的安全隐患。现在工业化生产制造上的生产防护用具系统还不是非常完善，对机器仪器设备周边环境的信息采集方式还存在不足，信息分析算法的精度也比较低，对周边环境的检测经常出现错检或漏检等情况。针对这些工业化生产的现场安全问题，本文提出了一种基于视觉识别的生产用具防护系统设计，使其有效地提高生产现场的生产安全防护效率。本文通过研究分析现在比较常见的几种视觉识别算法的人脸训练方式，进行对比分析各种算法的优势和特点，设计了通过使用Adaboost 算法的视觉识别系统，并在该算法的基础上进行了优化和改进，使生产用具防护系统的识别能力更加精准有效。在此基础上，本视觉识别系统设计还利用可以多目标跟踪的Camshift 算法，通过视觉识别系统安装在机器仪器设备上的摄像头采集周边环境人员的情况，分析人员与机器仪器设备的距离位置，判断操作人员是否在安全线之外，确定是否启用生产防护措施，保护现场人员的人身安全。

1.视觉识别系统技术介绍

视觉识别生产用具防护系统通过安装在机器仪器设备上的摄像头，对机器仪器设备周边环境人员信息的监控，将摄像头采集到的人员图像信息进行处理工作。视觉识别系统利用Viola-Jones 算法，对摄像头采集的人员人脸图像进行Haar-like 特征的提取工作。利用强弱分光器级联去检测出图像的人脸区域，然后在Hue 信息上进行搭建人脸图像的彩色框图。视觉识别系统中的Camshift 算法开始对彩色框图中的人脸图像进行追踪，并通过在提取人脸图像中的左侧方设定一根边界线，如果人脸区域超过这条边界线，说明现场的操作人员已出现在机器仪器设备的危险区域，需要启动生产防护功能，保护现场操作人员。

因为Haar 特征值会和一个矩形区域内的像素取值的和进行对应，其白色区域与黑色区域的对应图像的像素差就是Haar特征值。Haar-like 特征是拥有十二种不相同的人脸像素特征Viola。其十二种人脸像素特征图形如图1 所示。

图1 人脸像素特征图

本文需要对算法进行调高检测精准度和效率，需要将上诉Haar-like 特征进行改进成八种，对这个Haar-like 特征重新设计优化。优化后的特征图如图2 所示。

图2 Haar-like 特征优化后图形

利用优化后的Haar-like 特征对人脸区域进行检测，利用Hue 信息将这些人脸区域矩形框图进行标注，然后使用Camshift 算法对这些标注目标进行跟踪处理。

2.视觉识别防护系统设计

2.1 视觉识别系统的人脸识别检测算法

视觉识别系统人脸识别检测算法是利用Haar-like 特征对人脸区域检测工作方式，如图3 所示。

图3 Haar-like 特征检测方式

图3 中第五个图像是示意检测人脸图像中的眼睛区域的颜色比其他位置要深，第四个图像是示意检测人脸鼻梁的颜色要比鼻梁两侧的颜色浅。

利用数学模型公式（1）级联搭建的Voial 强分器是Adaboost 分类器中的一种，是通过利用多个弱分类器级联组合而成的一个强分器。其数学模型公式（1）为：

式中，f 代表特征；x 代表子窗口图像；P 代表阈值。

通过数学模型公式（1）可以得到，当特征值大于阈值的时候，弱分类器的输出结果是0，就可以判断出这个图像为非人脸图像，反正，弱分类器输出结果为1，就可以判断图像为人脸图像。因此，找出合理的阈值，有助于算法的判断准确性。

2.2 跟踪算法的设计

Camshift 算法是利用Meanshift 算法进行运算的，其跟踪原理是通过将目标的颜色直方图像转化成概率分布图，并将搜索窗的位置和大小进行初始化，利用上一帧的结论，对搜索窗进行大小和位置的调整，就可以得出图像目标的质心。

Meanshift 算法是使用迭代的方式，找到其最优的结果来定位目标函数，它是非参数方法的密度函数梯度算法，其函数模型为公式（2）：

通过数学模型公式（2）进行迭代运算，判断分析搜索窗的中心与质心的移动距离和设定的阈值的比较，得出一个最大值，作为判断跟踪的界限。

3.测试试验

为了验证生产用具防护系统的功能性能是否满足要求。本设计通过分别对单个人脸识别测试与多个人脸识别测试两个场景的测试实验，这样可以有效地保障视觉识别防护系统的安全性、可靠性和稳定性。通过对单个人脸206 次测试，准确检测出198 次，漏检和误检数为8 次，准确率高达96%。通过对多个人脸同时检测388 次，准确检测出372 次，漏检和误检数为16 次，准确率高达96%。试验结论验证了本文设计的视觉识别算法可行有效。

4.结语

社会的高速发展，离不开工业化的高效生产，但是安全防护工作也是工业化生产中的重中之重。本文通过基于更加高效的现代化、智能化人脸检测与追踪方式设计的视觉识别生产用具防护系统，该系统具有高精准性、可靠性和智能化等优势。系统利用生产机器仪器设备上的摄像头采集到现场操作人员的人脸图像，进行高速分析并判断其是否处于安全区域内，从而决定是否启用生产防护工具对现场人员的安全保护工作，为工业化高效安全生产提供有力保障。