[論文レビュー] Automatic Safety Helmet Wearing Detection

Kang Li, Xiaoguang Zhao+2 more|arXiv (Cornell University)|Feb 1, 2018

Video Surveillance and Tracking Methods参考文献 10被引用数 7

ひとこと要約

本稿では、ViBeを用いた動き分離、C4を用いた歩行者検出、およびHSB空間における色特徴の識別を用いて、電力変電所における作業者の安全ヘルメット着用状況をリアルタイムで自動的に検出するコンピュータビジョンベースのシステムを提案する。フレームワークは受信器特性曲線（ROC）において94.13%のAUCを達成し、HOG+SVMを5%上回る性能を示しており、知能監視応用分野における高い正確性と効率性を実証している。

ABSTRACT

Surveillance is essential for the safety of power substation. The detection of whether wearing safety helmets or not for perambulatory workers is the key component of overall intelligent surveillance system in power substation. In this paper, a novel and practical safety helmet detection framework based on computer vision, machine learning and image processing is proposed. In order to ascertain motion objects in power substation, the ViBe background modelling algorithm is employed. Moreover, based on the result of motion objects segmentation, real-time human classification framework C4 is applied to locate pedestrian in power substation accurately and quickly. Finally, according to the result of pedestrian detection, the safety helmet wearing detection is implemented using the head location, the color space transformation and the color feature discrimination. Extensive compelling experimental results in power substation illustrate the efficiency and effectiveness of the proposed framework.

研究の動機と目的

• 電力変電所の作業者が安全ヘルメットを着用しているかどうかを自動で検出できる実用的で自動化されたシステムを開発すること。
• コンピュータビジョンと機械学習を活用してリアルタイム監視を実現することで、人的監視に依存するのを低減すること。
• 複雑な変電所環境におけるヘルメット着用の適合状況を自動検出することで、作業者の安全を向上させること。
• 状況認識の向上を図るため、色別（例：ヘルメットの色の特定）の検出を可能とすること。

提案手法

• 監視映像における静的背景と動きのある物体を分離するために、ViBeバックグラウンドモデリングアルゴリズムを用いる。
• 形状および空間的特徴に基づいて、動き領域を歩行者と分類するため、C4歩行者検出アルゴリズムを適用する。
• 検出された歩行者から頭部の位置を抽出し、ヘルメット検出を頭部領域に集中させる。
• ヘルメット検出における色特徴のロバスト性を向上させるために、色空間変換をHSB空間に実施する。
• 統計的色分布を用いた色特徴識別（CFD）を採用し、ヘルメットの有無を特定する。
• 動き検出、歩行者分類、色ベースのヘルメット検出を統合したリアルタイムなフレームワークを構築する。

実験結果

リサーチクエスチョン

• RQ1 計算コストを最小限に抑える条件下で、ViBeを用いた動き分離は、複雑な変電所環境における動きのある作業者を効果的に分離できるか？
• RQ2 リアルタイム監視において、照明状態や背景の変化が生じる状況下でも、C4アルゴリズムが歩行者をどれほど正確に検出できるか？
• RQ3 他の特徴セットと比較して、HSB空間における色特徴識別は、ヘルメット検出の正確性をどの程度向上させるか？
• RQ4 本手法は、実際の変電所環境下で複数の歩行者および色別ヘルメットを検出する際に、どの程度の性能を示すか？
• RQ5 照明の変化や物体のサイズの影響が、ヘルメット検出の信頼性に及ぼす影響は何か？

主な発見

• 10本のテスト動画全体にわたる平均歩行者分類精度は84.2%であった。
• ViBe、C4、色特徴識別（CFD）を組み合わせた手法は、受信器特性曲線（ROC）において94.13%のAUCを達成し、HOG+SVM+CFDベースライン（89.20% AUC）を5ポイント上回った。
• PR曲線解析により、本手法がヘルメット検出タスクにおいて優れた正確性（precision）と再現率（recall）を示していることが確認された。
• 誤検出および見逃しの主な原因は、歩行者バウンディングボックスの不正確さと、照明変化に敏感な色特徴の特性に起因していた。
• 遠く離れた歩行者については、解像度の制限およびC4が小型対象物に対して持つ特徴記述能力の限界により、検出性能が低下した。
• 本フレームワークは、実世界の変電所監視システムへの導入に適した強力なリアルタイム性能と実用性を示した。