[發(fā)明專利]一種安全帶檢測(cè)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310159334.2
• 申請(qǐng)日: 2023-02-24
• 公開（公告）號(hào): CN116071734A
• 公開（公告）日: 2023-05-05
• 發(fā)明（設(shè)計(jì)）人: 王慧;孟闖
• 申請(qǐng)（專利權(quán)）人: 內(nèi)蒙古工業(yè)大學(xué)
• 主分類號(hào): G06V20/59
• 分類號(hào): G06V20/59;G06T5/00;G06T5/40;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 西安匯恩知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61244
• 代理人: 張偉花

1.一種安全帶檢測(cè)方法，其特征在于，包括：

獲取車輛在行駛途中的原始圖像；

將所述原始圖像輸入至第一預(yù)設(shè)模型，得到目標(biāo)圖像，其中，所述第一預(yù)設(shè)模型基于YOLOv3網(wǎng)絡(luò)設(shè)計(jì)的；

將所述目標(biāo)圖像輸入至第二預(yù)設(shè)模型，檢測(cè)所述目標(biāo)圖像中的駕駛員是否佩戴有安全帶，其中，所述第二預(yù)設(shè)模型基于FasterR-CNN雙階段網(wǎng)絡(luò)設(shè)計(jì)的。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在得到目標(biāo)圖像后，還包括：

依次對(duì)所述目標(biāo)圖像進(jìn)行灰度化處理、直方圖均衡化處理和高斯濾波去噪處理。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，經(jīng)過灰度化處理后的所述目標(biāo)圖像表示為其中，k∈N^*，n_j表示所述目標(biāo)圖像中灰度級(jí)為j像素點(diǎn)的個(gè)數(shù)，n為像素點(diǎn)總個(gè)數(shù)，k為灰度級(jí)等級(jí)總數(shù)。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)所述目標(biāo)圖像進(jìn)行高斯濾波去噪處理，包括：

選用3*3的高斯核對(duì)所述目標(biāo)圖像進(jìn)行卷積操作，其中，采用二維高斯分布函數(shù)式定義卷積核數(shù)值大小，(x,y)表示以中心點(diǎn)為原點(diǎn)的位置坐標(biāo)，σ為方差，假設(shè)卷積核的大小為(2k+1)*(2k+1)，則卷積核各個(gè)元素值通過公式表示。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一預(yù)設(shè)模型的主干特征提取網(wǎng)絡(luò)采用Darknet-53的網(wǎng)絡(luò)架構(gòu)，包含53個(gè)卷積層；

所述將所述原始圖像輸入至第一預(yù)設(shè)模型，得到目標(biāo)圖像，包括：

將所述原始圖像調(diào)整成416*416*3的格式大小，并輸入所述卷積層進(jìn)行卷積操作；

分別通過32倍下采樣、16倍下采樣、8倍下采樣得到不同尺度大小的卷積核；

對(duì)不同尺度大小的卷積核進(jìn)行跨層連接，輸出所述目標(biāo)圖像。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述FasterR-CNN雙階段網(wǎng)絡(luò)包括RPN區(qū)域生成網(wǎng)絡(luò)和FastR-CNN網(wǎng)絡(luò)；其中，

所述RPN區(qū)域生成網(wǎng)絡(luò)包括proposals層和convlayers層，所述Fast?R-CNN網(wǎng)絡(luò)包括卷積層、ROIpooling層和全連接層。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述將所述目標(biāo)圖像輸入至第二預(yù)設(shè)模型，檢測(cè)所述目標(biāo)圖像中的駕駛員是否佩戴有安全帶，包括：

將所述目標(biāo)圖像調(diào)整成800*800*3的格式大小，并輸入所述卷積層進(jìn)行卷積操作，提取所述目標(biāo)圖像的特征圖；

將所述特征圖輸入到所述proposals層得到候選框的特征信息，并根據(jù)所述候選框的特征信息確定目標(biāo)框；

將所述目標(biāo)圖像的特征向量和所述目標(biāo)框輸入到ROIpooling層，通過分類與回歸網(wǎng)絡(luò)檢測(cè)所述目標(biāo)圖像中的駕駛員是否佩戴有安全帶。

8.一種安全帶檢測(cè)裝置，其特征在于，包括：圖像采集模塊，處理模塊和檢測(cè)模塊；

所述圖像采集模塊，用于獲取車輛在行駛途中的原始圖像；

所述處理模塊，用于將所述原始圖像輸入至第一預(yù)設(shè)模型，得到目標(biāo)圖像，其中，所述第一預(yù)設(shè)模型基于YOLOv3網(wǎng)絡(luò)設(shè)計(jì)的；

所述檢測(cè)模塊，用于將所述目標(biāo)圖像輸入至第二預(yù)設(shè)模型，檢測(cè)所述目標(biāo)圖像中的駕駛員是否佩戴有安全帶，其中，所述第二預(yù)設(shè)模型基于FasterR-CNN雙階段網(wǎng)絡(luò)設(shè)計(jì)的。

9.一種電子設(shè)備，其特征在于，包括：處理器，所述處理器用于在執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一所述的安全帶檢測(cè)方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一所述的安全帶檢測(cè)方法。