[发明专利]一种安全帽佩戴检测方法、装置及介质

说明书

本发明公开了一种安全帽佩戴检测方法、装置及介质。为解决现有安全帽检测算法普遍存在的检测精度低和鲁棒性差的问题，本算法以SSD算法为基础提出了一种新颖的多尺度感知与特征自适应融合的安全帽佩戴检测方法。该算法对高层特征反卷积并与低层特征进行自适应融合，而非简单的等比例相加或者相乘，从而生成新的且更有效的特征图。此外，该算法还对新的高层特征图引入了多尺度感知模块来提高网络对目标尺度变化的鲁棒性。最后，本算法在输出特征金字塔上还设计了一种有效的锚框分配策略，可根据输出特征图的大小自适应调整每层锚框的尺度分布，这有利于在低层特征图上检测到小目标，实验效果表明该算法在安全帽检测数据集GDUT‑HWD上达到了较高的检测水平。

技术领域

本发明涉及一种安全帽佩戴检测方法、装置及介质，属于计算机视觉技术 领域。

背景技术

在建筑工地、矿区、电力以及化工等作业区域，高空坠物伤人的事件时有 发生，所以要求任何进入上述相关工作区域的人员必须佩带安全帽以保证人员 的安全。但是从现在看来，这些行业的安全管理仍然存在着很多问题。首先， 从施工人员层面来看，安全教育全面覆盖比较难，并且总存在着心存侥幸、风 险意识不强的施工人员，不按要求佩带安全帽。其次，从监管层面来看，现在 大部分企业与监管部门仍依靠专门人员来对施工人员是否佩戴安全帽进行监察， 或者在项目危险部位树立警示牌等方式来实施监管，存在监管效率低，时效性 差等问题，因此这些传统手段已越来越不能满足现有安全管理需要。

是否佩戴安全帽的自动检测是一类目标检测问题，但是目标检测领域存在 一个问题，就是对小目标以及目标尺度变化较大的目标检测效果较差，而安全 帽佩戴的检测在某种程度上属于中小尺度的目标检测，存在一定的难度。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种安全帽佩戴检测方法、 装置及介质，提高检测的有效性和感知结果的鲁棒性。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种安全帽佩戴检测方法，包括以下步骤：

获取待检测图像；

将待检测图像输入到一个深度卷积神经网络进行特征提取，生成六种不同 尺度的特征图并按尺度大小顺序从小至大命名为第一特征图、第二特征图、第 三特征图、第四特征图、第五特征图和第六特征图；

将尺度最小的第一特征图进行恒等映射，生成第一融合特征图；

将所述第一融合特征图反卷积到第二特征图相同分辨率大小，并进行特征 自适应融合，生成与第二特征图相同大小的第二融合特征图；

将所述第二融合特征图反卷积到第三特征图相同分辨率大小，并进行特征 自适应融合，生成与第三特征图相同大小的第三融合特征图；

将所述第三融合特征图反卷积到第四特征图相同分辨率大小，并进行特征 自适应融合，生成与第四特征图相同大小的第四融合特征图；

将所述第四融合特征图反卷积到第五特征图相同分辨率大小，并进行特征 自适应融合，生成与第五特征图相同大小的第五融合特征图；

将所述第五融合特征图反卷积到第六特征图相同分辨率大小，并进行特征 自适应融合，生成与第六特征图相同大小的第六融合特征图；

将第五融合特征图以及第六融合特征图送入多尺度感知模块，以通过多尺 度感知模块的特征图以及第四融合特征图，第三融合特征图，第二融合特征图， 第一融合特征图作为输出特征图，并在这些特征图上使用新型锚框分配策略， 对锚框以不同的尺度间隔分配到不同的特征层上，生成多个锚框，最后通过非 极大值抑制(Non-maximumsuppression，NMS)得到最终的检测结果。最终检 测结果指具有被方框包围的目标，即在图像中检测到目标，使用方框将其框起 来的图像。