[发明专利]一种基于语义分割的安全带检测方法

说明书

本发明公开一种基于语义分割的安全带检测方法，所述基于语义分割的安全带检测方法包括：获取车辆的正面图像，将所述正面图像划分为训练集和测试集，并对所述正面图像中的司机和安全带分别进行标注，得到司机图片集和安全带图片集，将所述训练集输入第一卷积神经网络，完成对司机特征检测的参数训练，得到司机特征检测的结果图P_i，将所述训练集输入第二卷积神经网络，完成对安全带特征检测的参数训练，得到安全带特征检测的结果图P_k，根据所述司机特征检测的结果图P_i和安全带特征检测的结果图P_k，得到司机是否佩戴安全带。本发明能够训练大量的图片，大大的提高了卷积神经网络对司机和安全带检测的准确性，能够快速的检测出安全带的配带情况。

技术领域

本发明涉及图像检测技术领域，特别是涉及一种基于语义分割的安全带检测方法。

背景技术

随着时代的发展，科技的进步，汽车已经逐渐成为人们出门不可或缺的工具，但是，随着汽车的大量增加，交通事故频发，人们出行却经常不佩戴安全带，给出行带来了隐患。为了使交通事故减少，已经加大对不佩戴安全带惩处力度，但人为的去查看摄像机拍摄的照片，不仅浪费了大量的人力，效率也较为低下，卷积神经网络的提出，可以有效的解决这种情况。

目前，在有关检测安全带配带的领域，存在下面的方法进行检测：

现有技术中使用一种新型的反馈增量式卷积神经网络训练方法以及信息多分支最终评估值获取方法提高了卷积神经网络的检测精度，同时借助随机多尺度选取安全带目标候选区域方法，提高了检测操作的灵活性，但是使用的卷积神经网络较为落后，效率还是较为低下，不适合大量的图片训练和使用，同时对于候选区域的选取有很大的误差，不能精确地选择司机的位置，也无法快速的检测出安全带的配带情况。

现有技术中还使用haar特征区间检测人脸，根据人脸区域确定前排位置，将前排位置分为主驾驶和副驾驶进行安全带的检测。这种方法效率低，效果差，当前排较复杂时，便不能检测出人脸区域，造成错误的检测。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于语义分割的安全带检测方法，用于解决现有技术中无法快速的检测出安全带的配带情况，检测方法效率低，效果差的问题。

为实现上述目的及其他相关目的，本发明提供一种基于语义分割的安全带检测方法，所述基于语义分割的安全带检测方法包括：获取车辆的正面图像，将所述正面图像划分为训练集和测试集，并对所述正面图像中的司机和安全带分别进行标注，得到司机图片集和安全带图片集；将所述训练集输入第一卷积神经网络，完成对司机特征检测的参数训练，得到司机特征检测的结果图P_i；将所述训练集输入第二卷积神经网络，完成对安全带特征检测的参数训练，得到安全带特征检测的结果图P_k；根据所述司机特征检测的结果图P_i和安全带特征检测的结果图P_k，得到司机是否佩戴安全带；将所述测试集分别输入第一卷积神经网络和第二卷积神经网络，得到司机特征检测的测试结果图P_i′和安全带特征检测的结果图P_k′，判断是否继续训练。

作为本发明的一种优选方案，将所述训练集输入第一卷积神经网络，完成对司机特征检测的参数训练，得到司机特征检测的结果图P_i包括：