[发明专利]一种基于端侧的组合式安全帽佩戴实时检测方法

权利要求书

1.一种基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述方法基于采用组合式的卷积神经网络结构通过多模块的组合实现安全帽佩戴的实时检测与识别；

所述组合式的卷积神经网络结构采用多个网络模块前后关联的组合的形式，包括人脸检测模块、图像相似变换模块以及安全帽检测模块；

所述人脸检测模块用于在所输入的图象中检测出人脸，并输出人脸关键点信息；

所述图像相似变换模块以人脸检测模块所输出的人脸关键点信息为输入，相似变换得到人脸区域图片作为输出；

所述安全帽检测模块以图像相似变换模块所输出的人脸区域图片作为输入，对人脸区域图片进行分类，输出安全帽佩戴检测结果。

2.如权利要求1所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述人脸检测模块、图像相似变换模块以及安全帽检测模块的训练数据集、训练和指标相互独立。

3.如权利要求1所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述安全帽检测模块采用ResNet18模型。

4.如权利要求3所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，ResNet18模型的训练样本图片分类包含四个类别：1.安全帽，2.其它硬质头盔，3.普通帽子或其它局部遮挡，4.原始头部。

5.如权利要求1所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述人脸检测模块采用RetinaFace算法。

6.如权利要求5所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述人脸检测模块所输出的人脸关键点信息包括人脸框以及双眼，鼻子以及两个嘴角的坐标信息。

7.如权利要求1所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述图像相似变换模块相似变换得到224*224的人脸区域图片。

8.如权利要求5所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述图像相似变换模块采用最小二乘法。

9.如权利要求8所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述图像相似变换模块的相似变换矩阵T由比例c，旋转R，以及平移t组成：

其中R,t,c由以下公式确定：

R＝USV^T (1)

t＝μ_y-cRμ_x (2)

公式中，U、V为校准前后的校准矩阵的奇异值分解值的特征向量，D为特征值排序后的特征值对角矩阵，S为单位对角矩阵，μ_x与μ_y为校准前后的坐标平均值，tr为求秩运算。

10.如权利要求4所述的基于端侧的组合式安全帽佩戴实时检测方法，其特征在于，所述安全帽检测模块的分类损失采用多分类交叉熵损失，

N为样本数量，M为类别数量，y为网络预测值，p为样本标签。