[發(fā)明專利]一種安全帽佩戴檢測方法、裝置及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110521925.0
• 申請日: 2021-05-13
• 公開（公告）號: CN113313148B
• 公開（公告）日: 2022-07-26
• 發(fā)明（設(shè)計）人: 趙雪辰;朱夢成;韓光
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06V10/80
• 分類號: G06V10/80;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 孫永生

本發(fā)明公開了一種安全帽佩戴檢測方法、裝置及介質(zhì)。為解決現(xiàn)有安全帽檢測算法普遍存在的檢測精度低和魯棒性差的問題，本算法以SSD算法為基礎(chǔ)提出了一種新穎的多尺度感知與特征自適應(yīng)融合的安全帽佩戴檢測方法。該算法對高層特征反卷積并與低層特征進行自適應(yīng)融合，而非簡單的等比例相加或者相乘，從而生成新的且更有效的特征圖。此外，該算法還對新的高層特征圖引入了多尺度感知模塊來提高網(wǎng)絡(luò)對目標(biāo)尺度變化的魯棒性。最后，本算法在輸出特征金字塔上還設(shè)計了一種有效的錨框分配策略，可根據(jù)輸出特征圖的大小自適應(yīng)調(diào)整每層錨框的尺度分布，這有利于在低層特征圖上檢測到小目標(biāo)，實驗效果表明該算法在安全帽檢測數(shù)據(jù)集GDUT?HWD上達到了較高的檢測水平。

技術(shù)領(lǐng)域

本發(fā)明涉及一種安全帽佩戴檢測方法、裝置及介質(zhì)，屬于計算機視覺技術(shù) 領(lǐng)域。

背景技術(shù)

在建筑工地、礦區(qū)、電力以及化工等作業(yè)區(qū)域，高空墜物傷人的事件時有 發(fā)生，所以要求任何進入上述相關(guān)工作區(qū)域的人員必須佩帶安全帽以保證人員 的安全。但是從現(xiàn)在看來，這些行業(yè)的安全管理仍然存在著很多問題。首先， 從施工人員層面來看，安全教育全面覆蓋比較難，并且總存在著心存僥幸、風(fēng) 險意識不強的施工人員，不按要求佩帶安全帽。其次，從監(jiān)管層面來看，現(xiàn)在 大部分企業(yè)與監(jiān)管部門仍依靠專門人員來對施工人員是否佩戴安全帽進行監(jiān)察， 或者在項目危險部位樹立警示牌等方式來實施監(jiān)管，存在監(jiān)管效率低，時效性 差等問題，因此這些傳統(tǒng)手段已越來越不能滿足現(xiàn)有安全管理需要。

是否佩戴安全帽的自動檢測是一類目標(biāo)檢測問題，但是目標(biāo)檢測領(lǐng)域存在 一個問題，就是對小目標(biāo)以及目標(biāo)尺度變化較大的目標(biāo)檢測效果較差，而安全 帽佩戴的檢測在某種程度上屬于中小尺度的目標(biāo)檢測，存在一定的難度。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供一種安全帽佩戴檢測方法、 裝置及介質(zhì)，提高檢測的有效性和感知結(jié)果的魯棒性。

為達到上述目的，本發(fā)明是采用下述技術(shù)方案實現(xiàn)的：

第一方面，本發(fā)明提供了一種安全帽佩戴檢測方法，包括以下步驟：

獲取待檢測圖像；

將待檢測圖像輸入到一個深度卷積神經(jīng)網(wǎng)絡(luò)進行特征提取，生成六種不同 尺度的特征圖并按尺度大小順序從小至大命名為第一特征圖、第二特征圖、第 三特征圖、第四特征圖、第五特征圖和第六特征圖；

將尺度最小的第一特征圖進行恒等映射，生成第一融合特征圖；

將所述第一融合特征圖反卷積到第二特征圖相同分辨率大小，并進行特征 自適應(yīng)融合，生成與第二特征圖相同大小的第二融合特征圖；

將所述第二融合特征圖反卷積到第三特征圖相同分辨率大小，并進行特征 自適應(yīng)融合，生成與第三特征圖相同大小的第三融合特征圖；

將所述第三融合特征圖反卷積到第四特征圖相同分辨率大小，并進行特征 自適應(yīng)融合，生成與第四特征圖相同大小的第四融合特征圖；

將所述第四融合特征圖反卷積到第五特征圖相同分辨率大小，并進行特征 自適應(yīng)融合，生成與第五特征圖相同大小的第五融合特征圖；

將所述第五融合特征圖反卷積到第六特征圖相同分辨率大小，并進行特征 自適應(yīng)融合，生成與第六特征圖相同大小的第六融合特征圖；

將第五融合特征圖以及第六融合特征圖送入多尺度感知模塊，以通過多尺 度感知模塊的特征圖以及第四融合特征圖，第三融合特征圖，第二融合特征圖， 第一融合特征圖作為輸出特征圖，并在這些特征圖上使用新型錨框分配策略， 對錨框以不同的尺度間隔分配到不同的特征層上，生成多個錨框，最后通過非 極大值抑制(Non-maximumsuppression，NMS)得到最終的檢測結(jié)果。最終檢 測結(jié)果指具有被方框包圍的目標(biāo)，即在圖像中檢測到目標(biāo)，使用方框?qū)⑵淇蚱?來的圖像。