[發明專利]基于多尺度特征融合的圖像檢測方法

在審

• 申請號: 202010578124.3
• 申請日: 2020-06-22
• 公開（公告）號: CN111738336A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 黃良軍;謝福;張曉寧;祝魯寧
• 申請（專利權）人: 上海應用技術大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明提供了一種基于多尺度特征融合的圖像檢測方法，包括：將待檢測圖像輸入改進的深度卷積神經網絡中，得到特征圖像；將特征圖像對應的卷積塊分別進行不同尺度的池化處理，得到包含不同層次的卷積塊信息的融合特征圖像；對融合特征圖像進行目標區域判定，得到目標區域圖像；對目標區域圖像進行特征提取，得到固定長度的特征向量；將特征向量輸入全連接層序列，得到兩個輸出對象類；通過分類器對兩個輸出對象類的概率進行估計，得到分類結果；根據分類結果和每個對象類的邊界框位置，確定未佩戴安全帽的人員，并進行安全警告。本發明能夠適用于不同施工場所的安全帽檢測，有效的提高檢測結果速度及準確性。

技術領域

本發明涉及圖像處理技術中的計算機視覺技術領域，具體地，涉及基于多尺度特征融合的圖像檢測方法。

背景技術

隨著國家城市化步伐的加快和城市經濟的迅猛發展，全國各地高樓頃刻間拔地而起，但同時伴隨而來的還有施工現場頻發的安全事故。《安全生產法》規定，“生產經營單位必須為從業人員提供符合國家標準或者行業標準的勞動防護用品，并監督、教育從業人員按照使用規則佩戴、使用”。但事故背后往往揭示了一個值得深思的現象，正是由于生產人員隨意摘下防護物品導致事故的發生，特別是由于隨意摘下安全帽的事故占比高達67.4％。因此通過智慧型監控視頻系統實時監控整個施工現場人員安全帽佩戴準情況，對未佩戴安全帽的生產人員進行及時的警示，可以幫助相關人員進行突發事件事前預警和事后決策，人們的生命和財產安全就可得到保障。

目前已有的基于深度學習的安全帽檢測方法主要分為兩種：1)基于網絡特性的方法，例如基于LBP統計特征的低分辨率安全帽識別方法；2)基于網絡訓練過程不同的方法，如基于并行雙路卷積神經網絡的安全帽識別方法。以上基于深度學習的安全帽檢測方法均存在一定的局限性。方法1)使用多維度的網絡結構，需要大量樣本和計算開銷，復雜度高；方法2)使用多路卷積神經網絡，訓練時間過長，并存在安全帽目標分辨率較低等問題。

發明內容

針對現有技術中的缺陷，本發明的目的是提供一種基于多尺度特征融合的圖像檢測方法。

本發明提供一種基于多尺度特征融合的圖像檢測方法，包括：

步驟S1：從監控視頻中提取待檢測圖像；

步驟S2：將所述待檢測圖像輸入改進的深度卷積神經網絡以提取特征，得到特征圖像；

步驟S3：將所述特征圖像對應的卷積塊分別進行不同尺度的池化處理，得到包含不同層次的卷積塊信息的融合特征圖像；

步驟S4：對所述融合特征圖像進行目標區域判定，得到目標區域圖像；

步驟S5：對所述目標區域圖像進行ROI池化，得到固定長度的特征向量；

步驟S6：將所述特征向量輸入全連接層序列，得到兩個輸出對象類；

步驟S7：通過分類器對所述兩個輸出對象類的概率進行估計，得到分類結果，并通過目標框回歸確定每個對象類的預測邊界框位置；

步驟S8：根據所述分類結果和每個對象類的邊界框位置，確定未佩戴安全帽的人員，并進行安全警告。

可選地，所述步驟S1包括：

步驟S11：實時獲取監控視頻；

步驟S12：將所述監控視頻的視頻圖像進行灰度處理后，建立紋理特征模型；

步驟S13：通過紋理特征算法確定所述紋理特征模型參數；

步驟S14：通過所述紋理特征模型分割出待檢測圖像的背景和前景，其中，包含安全帽紋理的區域為前景，不包含安全帽紋理的區域為背景。

可選地，所述步驟S2包括：