[發明專利]一種未戴安全帽檢測方法、系統、設備及存儲介質

在審

• 申請號: 202010914796.7
• 申請日: 2020-09-03
• 公開（公告）號: CN112101157A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 呂菲;劉輝;劉軍;顏秀梅;周斯忠
• 申請（專利權）人: 江蘇自然數智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G08B21/18;G06N3/04
• 代理公司: 淮安市科文知識產權事務所 32223
• 代理人: 李鋒

1.一種未戴安全帽檢測方法，其特征在于，包括：

獲取視頻流，對其進行解碼得到圖片數據；

對所述圖片數據進行卷積神經網絡的多層次特征提取，對輸出的特征采用特征金字塔模式進行特征融合，得到多組特征圖；

對多組所述特征圖進行預測，輸出所述圖片數據中的頭部位置以及安全帽佩戴類別標簽；

其中，頭部位置使用坐標表示，安全帽佩戴類別標簽包括佩戴安全帽與未佩戴安全帽。

2.根據權利要求1所述的一種未戴安全帽檢測方法，其特征在于，在對多組所述特征圖進行預測之前，還包括通過設置閾值對多組特征圖上的輸出框進行非極大值抑制操作。

3.根據權利要求1所述的一種未戴安全帽檢測方法，其特征在于，還包括：對所述未佩戴安全帽的圖片數據進行臉部抓拍，并對其進行臉部矯正，對臉部進行基于特征向量的識別，輸出最終人臉區域內的臉部圖片及其相應的安全帽佩戴類別標簽、頭部位置。

4.根據權利要求1所述的一種未戴安全帽檢測方法，其特征在于，對所述圖片數據通過依次設置5個特征提取模塊進行5層特征提取，前兩個特征提取模塊輸出的特征為低層級，后三個特征提取模塊輸出的特征為高層級，對后三個特征提取模塊輸出的特征采用特征金字塔模式進行特征融合，得到三組特征圖，通過對三組特征圖進行預測輸出圖片數據中的頭部位置及安全帽佩戴類別標簽。

5.根據權利要求4所述的一種未戴安全帽檢測方法，其特征在于，所述特征提取模塊為模塊a和n個模塊b依次串聯，所述模塊a通過1*1的卷積操作增加輸入特征的通道數，若干個模塊b均通過大小1*1和3*3的卷積操作對特征進行抽象和提取。

6.根據權利要求1所述的一種未戴安全帽檢測方法，其特征在于，對通過多層次特征提取的特征圖設置先驗框，所述先驗框的設置規則為：在檢測40*40以下的特征圖上設置兩種先驗框，長寬比分別為1.1~1.5:1和1:1；在檢測40*40以上的特征圖上只設置了一種先驗框，長寬比為1.1~1.5:1。

7.一種未戴安全帽檢測系統，其特征在于，包括流媒體模塊、安全帽未佩戴檢測模塊；

流媒體模塊，用于獲取視頻流，對視頻流進行解碼得到圖片數據；

安全帽未佩戴檢測模塊，用于將所述圖片數據劃分先驗框后進行卷積神經網絡的多層次特征提取，對輸出的特征采用特征金字塔模式進行特征融合，得到多組特征圖并對其進行預測，輸出該圖片數據中的頭部位置以及安全帽佩戴類別標簽；

其中，頭部位置使用坐標表示，安全帽佩戴類別標簽包括佩戴安全帽與未佩戴安全帽。

8.根據權利要求7所述的一種未戴安全帽檢測系統，其特征在于，還包括人臉抓拍模塊以及PC監控平臺；

所述人臉抓拍模塊得到所述安全帽未佩戴檢測模塊的輸出結果，對未佩戴安全帽的人進行臉部抓拍，得到臉部位置，并進行臉部矯正，對臉部進行基于特征向量的識別，最后將抓拍的臉部圖片、頭部位置以及安全帽佩戴類別標簽上傳至PC監控平臺；

所述PC監控平臺收到所述人臉抓拍模塊的信息后，將被檢測出的臉部圖片及其頭部位置、所述安全帽佩戴類別標簽顯示在PC監控平臺上。

9.一種未戴安全帽檢測設備，其特征在于，包括：

存儲器，用于存儲指令，所述指令包括權利要求1至6任意一項所述未戴安全帽檢測方法的步驟；

處理器，用于執行所述指令。

10.一種存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至6任意一項所述未戴安全帽檢測方法的步驟。