[發明專利]一種基于特征增強的頭盔佩戴檢測方法及裝置

在審

• 申請號: 202011372725.5
• 申請日: 2020-11-30
• 公開（公告）號: CN112464822A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 唐健;祝嚴剛;陶昆
• 申請（專利權）人: 深圳市捷順科技實業股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 深圳騰文知識產權代理有限公司 44680
• 代理人: 冼柏龍

1.一種基于特征增強的頭盔佩戴檢測方法，其特征在于，包括：

獲取初始樣本，所述初始樣本為戴頭盔人臉圖像集；

將所述初始樣本輸入預先訓練好WGAN網絡模型中，獲取生成樣本；

將所述初始樣本和所述生成樣本進行隨機混合，獲取目標訓練樣本；

構建SSD網絡模型，將所述SSD網絡模型的特征提取層接入RFB模塊和SE模塊以增強特征提取能力，將SSD網絡的特征提取層接入BN模塊以加快模型收斂；

根據網絡損失函數，利用所述目標訓練樣本對所述SSD網絡模型進行訓練直至模型達到收斂，以獲取訓練好的SSD目標檢測模型；

根據所述SSD目標檢測模型對測試數據集進行識別測試，獲取測試結果。

2.根據權利要求1所述的頭盔佩戴檢測方法，其特征在于，將所述初始樣本輸入預先訓練好WGAN網絡模型中，獲取生成樣本包括：

獲取WGAN訓練數據集；

構建初始WGAN網絡模型；

根據所述WGAN訓練數據集對所述初始WGAN網絡模型進行訓練直至達到收斂，以獲取目標WGAN網絡模型；

將所述初始樣本輸入到所述目標WGAN網絡模型中，以獲取生成樣本。

3.根據權利要求2所述的頭盔佩戴檢測方法，其特征在于，所述根據網絡損失函數，利用所述目標訓練樣本對所述SSD網絡模型進行訓練直至模型達到收斂包括：

將所述網絡損失函數中的網絡參數設置為預設值，利用所述目標訓練樣本通過隨機梯度下降算法對所述網絡參數進行迭代更新，直至所述SSD網絡模型達到收斂。

4.根據權利要求3所述的頭盔佩戴檢測方法，其特征在于，所述構建SSD網絡模型包括：

獲取輕量的tiny_ssd網絡作為SSD目標檢測網絡的骨干網絡。

5.根據權利要求4所述的頭盔佩戴檢測方法，其特征在于，在利用所述訓練樣本對所述SSD網絡模型進行訓練直至模型達到收斂之前，所述頭盔佩戴檢測方法還包括：

對所述目標訓練樣本進行數據增強，所述數據增強包括分別對樣本的亮度、對比度、色調、飽和度以及尺寸進行調整。

6.根據權利要求1至5中任一項中所述的頭盔佩戴檢測方法，其特征在于，所述獲取初始樣本包括：

通過人臉佩戴頭盔視頻或者人臉佩戴頭盔圖片中獲取初始樣本，并對所述初始樣本進行標注。

7.一種基于特征增強的頭盔佩戴檢測系統，其特征在于，包括：

第一獲取單元，用于獲取初始樣本，所述初始樣本為戴頭盔人臉圖像集；

第二獲取單元，用于將所述初始樣本輸入預先訓練好WGAN網絡模型中，獲取生成樣本；

第三獲取單元，用于將所述初始樣本和所述生成樣本進行隨機混合，獲取目標訓練樣本；

SSD模型構建單元，用于將SSD網絡模型的特征提取層接入RFB模塊和SE模塊以增強特征提取能力，將SSD網絡模型的特征提取層接入BN模塊以加快模型收斂；

SSD模型訓練單元，用于根據網絡損失函數，利用所述目標訓練樣本對所述SSD網絡模型進行訓練直至模型達到收斂，以獲取訓練好的SSD目標檢測模型；

測試單元，用于根據所述SSD目標檢測模型對測試數據集進行識別測試，獲取測試結果。

8.根據權利要求7所述的頭盔佩戴檢測系統，其特征在于，所述第二獲取單元包括：

第一獲取模塊，用于獲取WGAN訓練數據集；

WGAN模型構建模塊，用于構建初始WGAN網絡模型；

WGAN模型訓練模塊，用于根據所述WGAN訓練數據集對所述初始WGAN網絡模型進行訓練直至達到收斂，以得到目標WGAN網絡模型；

第二獲取模塊，用于將所述初始樣本輸入到所述目標WGAN網絡模型中，以獲取生成樣本。