張孝若，邸 超，白家豪，白家俊，沈志元，段莉華*

（無錫職業(yè)技術(shù)學(xué)院，江蘇 無錫 214121）

科學(xué)的進(jìn)步大力推動了工業(yè)化的生產(chǎn)能力，各式各樣的生產(chǎn)設(shè)備儀器也越來越精密，生產(chǎn)水平大幅度得到提升，但是，距離工業(yè)的全自動化還存在較大的距離，大部分的機(jī)器儀器設(shè)備的操作還無法離開人員的現(xiàn)場檢查和操作。在機(jī)器儀器設(shè)備高速運(yùn)轉(zhuǎn)的情況下，如果沒有相關(guān)的生產(chǎn)用具進(jìn)行防護(hù)，就會帶來很大的安全隱患?，F(xiàn)在工業(yè)化生產(chǎn)制造上的生產(chǎn)防護(hù)用具系統(tǒng)還不是非常完善，對機(jī)器儀器設(shè)備周邊環(huán)境的信息采集方式還存在不足，信息分析算法的精度也比較低，對周邊環(huán)境的檢測經(jīng)常出現(xiàn)錯檢或漏檢等情況。針對這些工業(yè)化生產(chǎn)的現(xiàn)場安全問題，本文提出了一種基于視覺識別的生產(chǎn)用具防護(hù)系統(tǒng)設(shè)計，使其有效地提高生產(chǎn)現(xiàn)場的生產(chǎn)安全防護(hù)效率。本文通過研究分析現(xiàn)在比較常見的幾種視覺識別算法的人臉訓(xùn)練方式，進(jìn)行對比分析各種算法的優(yōu)勢和特點(diǎn)，設(shè)計了通過使用Adaboost 算法的視覺識別系統(tǒng)，并在該算法的基礎(chǔ)上進(jìn)行了優(yōu)化和改進(jìn)，使生產(chǎn)用具防護(hù)系統(tǒng)的識別能力更加精準(zhǔn)有效。在此基礎(chǔ)上，本視覺識別系統(tǒng)設(shè)計還利用可以多目標(biāo)跟蹤的Camshift 算法，通過視覺識別系統(tǒng)安裝在機(jī)器儀器設(shè)備上的攝像頭采集周邊環(huán)境人員的情況，分析人員與機(jī)器儀器設(shè)備的距離位置，判斷操作人員是否在安全線之外，確定是否啟用生產(chǎn)防護(hù)措施，保護(hù)現(xiàn)場人員的人身安全。

1.視覺識別系統(tǒng)技術(shù)介紹

視覺識別生產(chǎn)用具防護(hù)系統(tǒng)通過安裝在機(jī)器儀器設(shè)備上的攝像頭，對機(jī)器儀器設(shè)備周邊環(huán)境人員信息的監(jiān)控，將攝像頭采集到的人員圖像信息進(jìn)行處理工作。視覺識別系統(tǒng)利用Viola-Jones 算法，對攝像頭采集的人員人臉圖像進(jìn)行Haar-like 特征的提取工作。利用強(qiáng)弱分光器級聯(lián)去檢測出圖像的人臉區(qū)域，然后在Hue 信息上進(jìn)行搭建人臉圖像的彩色框圖。視覺識別系統(tǒng)中的Camshift 算法開始對彩色框圖中的人臉圖像進(jìn)行追蹤，并通過在提取人臉圖像中的左側(cè)方設(shè)定一根邊界線，如果人臉區(qū)域超過這條邊界線，說明現(xiàn)場的操作人員已出現(xiàn)在機(jī)器儀器設(shè)備的危險區(qū)域，需要啟動生產(chǎn)防護(hù)功能，保護(hù)現(xiàn)場操作人員。

因為Haar 特征值會和一個矩形區(qū)域內(nèi)的像素取值的和進(jìn)行對應(yīng)，其白色區(qū)域與黑色區(qū)域的對應(yīng)圖像的像素差就是Haar特征值。Haar-like 特征是擁有十二種不相同的人臉像素特征Viola。其十二種人臉像素特征圖形如圖1 所示。

圖1 人臉像素特征圖

本文需要對算法進(jìn)行調(diào)高檢測精準(zhǔn)度和效率，需要將上訴Haar-like 特征進(jìn)行改進(jìn)成八種，對這個Haar-like 特征重新設(shè)計優(yōu)化。優(yōu)化后的特征圖如圖2 所示。

圖2 Haar-like 特征優(yōu)化后圖形

利用優(yōu)化后的Haar-like 特征對人臉區(qū)域進(jìn)行檢測，利用Hue 信息將這些人臉區(qū)域矩形框圖進(jìn)行標(biāo)注，然后使用Camshift 算法對這些標(biāo)注目標(biāo)進(jìn)行跟蹤處理。

2.視覺識別防護(hù)系統(tǒng)設(shè)計

2.1 視覺識別系統(tǒng)的人臉識別檢測算法

視覺識別系統(tǒng)人臉識別檢測算法是利用Haar-like 特征對人臉區(qū)域檢測工作方式，如圖3 所示。

圖3 Haar-like 特征檢測方式

圖3 中第五個圖像是示意檢測人臉圖像中的眼睛區(qū)域的顏色比其他位置要深，第四個圖像是示意檢測人臉鼻梁的顏色要比鼻梁兩側(cè)的顏色淺。

利用數(shù)學(xué)模型公式（1）級聯(lián)搭建的Voial 強(qiáng)分器是Adaboost 分類器中的一種，是通過利用多個弱分類器級聯(lián)組合而成的一個強(qiáng)分器。其數(shù)學(xué)模型公式（1）為：

式中，f 代表特征；x 代表子窗口圖像；P 代表閾值。

通過數(shù)學(xué)模型公式（1）可以得到，當(dāng)特征值大于閾值的時候，弱分類器的輸出結(jié)果是0，就可以判斷出這個圖像為非人臉圖像，反正，弱分類器輸出結(jié)果為1，就可以判斷圖像為人臉圖像。因此，找出合理的閾值，有助于算法的判斷準(zhǔn)確性。

2.2 跟蹤算法的設(shè)計

Camshift 算法是利用Meanshift 算法進(jìn)行運(yùn)算的，其跟蹤原理是通過將目標(biāo)的顏色直方圖像轉(zhuǎn)化成概率分布圖，并將搜索窗的位置和大小進(jìn)行初始化，利用上一幀的結(jié)論，對搜索窗進(jìn)行大小和位置的調(diào)整，就可以得出圖像目標(biāo)的質(zhì)心。

Meanshift 算法是使用迭代的方式，找到其最優(yōu)的結(jié)果來定位目標(biāo)函數(shù)，它是非參數(shù)方法的密度函數(shù)梯度算法，其函數(shù)模型為公式（2）：

通過數(shù)學(xué)模型公式（2）進(jìn)行迭代運(yùn)算，判斷分析搜索窗的中心與質(zhì)心的移動距離和設(shè)定的閾值的比較，得出一個最大值，作為判斷跟蹤的界限。

3.測試試驗

為了驗證生產(chǎn)用具防護(hù)系統(tǒng)的功能性能是否滿足要求。本設(shè)計通過分別對單個人臉識別測試與多個人臉識別測試兩個場景的測試實(shí)驗，這樣可以有效地保障視覺識別防護(hù)系統(tǒng)的安全性、可靠性和穩(wěn)定性。通過對單個人臉206 次測試，準(zhǔn)確檢測出198 次，漏檢和誤檢數(shù)為8 次，準(zhǔn)確率高達(dá)96%。通過對多個人臉同時檢測388 次，準(zhǔn)確檢測出372 次，漏檢和誤檢數(shù)為16 次，準(zhǔn)確率高達(dá)96%。試驗結(jié)論驗證了本文設(shè)計的視覺識別算法可行有效。

4.結(jié)語

社會的高速發(fā)展，離不開工業(yè)化的高效生產(chǎn)，但是安全防護(hù)工作也是工業(yè)化生產(chǎn)中的重中之重。本文通過基于更加高效的現(xiàn)代化、智能化人臉檢測與追蹤方式設(shè)計的視覺識別生產(chǎn)用具防護(hù)系統(tǒng)，該系統(tǒng)具有高精準(zhǔn)性、可靠性和智能化等優(yōu)勢。系統(tǒng)利用生產(chǎn)機(jī)器儀器設(shè)備上的攝像頭采集到現(xiàn)場操作人員的人臉圖像，進(jìn)行高速分析并判斷其是否處于安全區(qū)域內(nèi)，從而決定是否啟用生產(chǎn)防護(hù)工具對現(xiàn)場人員的安全保護(hù)工作，為工業(yè)化高效安全生產(chǎn)提供有力保障。