[发明专利]模型生成方法、生成装置、模型及骑行佩戴头盔检测方法

说明书

本申请涉及一种模型生成方法、生成装置、模型、骑行佩戴头盔检测方法，一种模型生成方法包括取第一训练样本集，第一训练样本集包括若干第一训练图像，第一训练图像中包含骑行特征和骑行标注信息；根据第一训练图像、骑行特征和骑行标注信息进行训练得到骑行检测子模型；获取第二训练样本集，第二训练样本集包括若干第二训练图像；第二训练图像中包含佩戴头盔特征和佩戴头盔标注信息；根据第二训练图像、佩戴头盔特征和佩戴头盔标注信息进行训练得到佩戴头盔检测子模型；以及，联合骑行检测子模型与佩戴头盔检测子模型，使骑行检测子模型的输出作为佩戴头盔检测子模型的输入。本申请具有在满足识别精确率的条件下减少模型的计算量的效果。

技术领域

本申请涉及图像识别的领域，尤其是涉及一种模型生成方法、生成装置、模型、检测方法、计算机设备及计算机可读存储介质。

背景技术

二轮车和三轮车因为体积小、速度快以及灵活的机动性成为日常生活中重要的交通工具。但是，骑行过程中如果不慎摔倒会对用户的身体造成一定的损伤。相关数据表明，在每年的骑车死亡事故中，有接近四分之三的死亡原因是头部受到致命伤害。同时，医学研究发现，骑行时佩戴头盔能够有效降低头部受伤的可能性，从而大大减小事故死亡率。因此，对用户在骑行状态下是否佩戴头盔进行自动检测，具有重要的应用价值。

现有的骑行用户佩戴头盔的检测方法是将待测图像输入检测模型，直接检测待测图像中的出骑行用户是否佩戴头盔。

针对上述现有技术，发明人发现：现有的骑行用户佩戴头盔的检测方法将输入的图片直接进行识别，要么精确度低、容易出现识别错误的现象；要么计算量大、占用内存大。

发明内容

为了在满足识别精确率的条件下减少模型的计算量，第一方面，本申请公开了一种模型生成方法。

本申请提供的一种模型生成方法采用如下的技术方案：

一种模型生成方法，包括：

获取第一训练样本集，所述第一训练样本集包括若干第一训练图像，所述第一训练图像中包含骑行特征和骑行标注信息；

根据所述第一训练图像、骑行特征和骑行标注信息进行训练得到骑行检测子模型；

获取第二训练样本集，所述第二训练样本集包括若干第二训练图像；所述第二训练图像中包含佩戴头盔特征和佩戴头盔标注信息；

根据所述第二训练图像、佩戴头盔特征和佩戴头盔标注信息进行训练得到佩戴头盔检测子模型；以及，

联合所述骑行检测子模型与佩戴头盔检测子模型，使骑行检测子模型的输出作为所述佩戴头盔检测子模型的输入。

通过采用上述技术方案，模型生成装置生成骑行检测子模型和佩戴头盔检测子模型后，再联合骑行检测子模型与佩戴头盔检测子模型，从而生成用于对骑行用户佩戴头盔进行检测的模型；整个模型采用两个子模型分别完成两个阶段的识别任务；在第一个阶段，检测待测图像中是否存在骑行特征，由于输入的图片尺寸比较大，且此时无需很高的精确度，所以在满足识别精度要求的情况下，减少了骑行检测子模型占用的内存；如果待测图像中存在骑行特征，采用头盔检测子模型检测骑行特征所对应的骑行特征区域图像中是否包含佩戴头盔特征；通过采用分级检测的方法，在相同识别精确度的情况下，本申请的模型同直接进行识别的一个模型相比占用内存小；在占用内存相同的情况下，本申请的模型识别精度高。

可选的，骑行特征和骑行标注信息获取的方法包括：

在所述第一训练图像的骑行特征周围设置矩形框；以及，

移动所述矩形框和/或缩小所述矩形框以减少矩形框中的干扰信息。

通过采用上述技术方案，先在第一训练图像的骑行特征周围设置矩形框，移动矩形框和/或缩小矩形框，减少矩形框内的干扰信息，从而提高生成的模型的置信度；当矩形框在第一训练图像上的位置确定后，矩形框在第一训练图像上的坐标随之确定，矩形框的位置信息或者坐标信息即为骑行标注信息。

可选的，骑行检测子模型的生成方法包括：