建造业每年报告的致命受伤意外数字最高。即使在对工作环境进行了彻底的风险评估并实施了适当的控制措施后，工人仍然可能面临来自危险的健康和安全风险，这就是为什么个人防护装备如此重要的原因。

该计划的主要目标是实时识别工人服装上的一些强制性安全元素，如头盔、反光背心、口罩、耳机等。

引言

PPE检测应用程序由由Deepstream和NVIDIA Jetson Xavier NX提供支持的智能视频分析管道组成

该项目是一个概念验证项目，试图使用计算机视觉监控建筑工地工人的安全，并使用NVIDIA Deepstream加速，可通过监控摄像机和机载Jetson平台完成。

这个项目检测这7个类别的物体-头，头盔，面罩，耳机，胸部，背心和人

Deepstream设置

这篇文章假设你有一个功能齐全的Jetson设备。如果没有，您可以在此处参考文档。here

1.安装系统依赖项

sudo apt install \
libssl1.0.0 \
libgstreamer1.0-0 \
gstreamer1.0-tools \
gstreamer1.0-plugins-good \
gstreamer1.0-plugins-bad \
gstreamer1.0-plugins-ugly \
gstreamer1.0-libav \
libgstrtspserver-1.0-0 \
libjansson4=2.11-1

2.安装Deepstream

将DeepStream 5.0.1 Jetson Debian包Deepstream-5.1_5.1.0-1_arm64.deb下载到Jetson设备。然后输入命令：

sudo apt-get install ./deepstream-5.1_5.1.0-1_arm64.deb

运行应用程序

1.克隆存储库

这是一个简单的步骤，但是，如果您是git或git-lfs的新手，我建议您浏览一下这些步骤。

首先，安装git和git-lfs

sudo apt install git git-lfs

接下来，克隆存储库

# Using HTTPS
git clone https://github.com/FalconMadhab/PPE-Deepstream.git

从上面的链接下载权重文件并移动到此文件夹

3.编译

• x86平台

CUDA_VER=11.1 make -C nvdsinfer_custom_impl_Yolo

• 杰森平台

CUDA_VER=10.2 make -C nvdsinfer_custom_impl_Yolo

这是一次性步骤，只有在更改源代码时才需要执行此操作。

了解和编辑DEFRESTREAM_APP_CONFIG

要了解和编辑Deepstream_app_config.txt文件，请阅读DeepStream SDK开发指南-配置组DeepStream SDK Development Guide — Configuration Groups

• 编辑源

1个源的示例：

[source0]
enable=1
# 1=Camera (V4L2), 2=URI, 3=MultiURI, 4=RTSP, 5=Camera (CSI; Jetson only)
type=3
# Stream URL
uri=file:///home/user/Videos/input.mp4 or 
# Number of sources copy (if > 1, you need edit rows/columns in tiled-display section and batch-size in streammux section and config_infer_primary.txt; need type=3 for more than 1 source)
num-sources=1
gpu-id=0
cudadec-memtype=0

2个源的示例：

[source0]
enable=1
type=3
uri=file:///home/user/Videos/input.mp4 or 
num-sources=1
gpu-id=0
cudadec-memtype=0

现在，通过运行以下命令运行应用程序：

deepstream-app -c deepstream_app_config.txt

该应用程序的视频演示

参考文献

• 大众-ppe数据集+纸张：http://aimir.isti.cnr.it/vw-ppe
• 彩色头盔数据集：https://github.com/wujixiu/helmet-detection
• 暗网存储库(仅限培训)：https://github.com/AlexeyAB/darknet
• YOLOv4 TensorFlow实现(测试)：https://github.com/hunglc007/tensorflow-yolov4-tflite
• 爱马仕-野火探测使用NVIDIA Jetson和Ryze Tello：https://towardsdatascience.com/hermes-wildfire-detection-using-nvidia-jetson-and-ryze-tello-8da123f05c64