[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

说明书

本发明公开了一种基于端侧的组合式安全帽佩戴实时检测方法，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采用人脸检测，人脸区域校准，安全帽佩戴多分类的方法，具有较高的准确性，误检率低，并且模型能够实现在端侧实时检测。本方法可以对各模块分别进行训练和测试，降低了训练复杂度和运行时间；模型间松耦合，可以根据需求自由替换。并在自建数据集和实际应用中验证了方法的有效性和较高的准确度。

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于端侧的组合式安全帽佩戴实时检测方法。

背景技术

安全帽在作业场所的作用不言而喻。国家《安全生产法》规定，“生产经营单位必须为从业人员提供符合国家标准或者行业标准的劳动防护用品，并监督、教育从业人员按照使用规则佩戴、使用”；同时，行业内也制定了相关标准保障员工的安全生产，例如：《JGJ59-99建筑施工安全检查标准》规定，进入施工现场必须戴安全帽；各行业的作业规范也对佩戴安全帽做了严格的规定。

但我们可以看到，尽管国家、企业双管齐下，通过法律法规来加强安全管理，可并非每个人都自觉遵守这一规定，甚至部分人认为自己只是在工地呆几分钟，一时不戴安全帽不会有危险，就像一些乘客不喜欢系安全带一样，而悲剧往往就发生在这一瞬间。从种种事故中，我们发现解决问题的关键点在于：及时、准确向未佩戴安全帽的工人发出警告。在这一管理中，以前则是通过监督人员巡查或观看视频来杜绝违规现象，但由于点多面广，人力物力不到位，出现疏漏也在所难免。

现有对于安全帽佩戴的检测大多是一个检测网络，网络的很大，并且需要对安全帽进行特殊标注。这带来两个问题，一是对于安全帽佩戴需要一个单独的检测网络需要端侧算力支持；二是需要数据集的标注支持。

发明内容

为了解决上述背景技术所存在的技术问题，本发明提供一种基于端侧的组合式安全帽佩戴实时检测方法。

为实现上述目的，本发明的技术方案是：

一种基于端侧的组合式安全帽佩戴实时检测方法，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。

进一步地，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。

进一步地，所述安全帽检测模块采用预训练的ResNet18模型，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。

进一步地，所述人脸检测模块采用RetinaFace算法，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。

进一步地，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。

本发明与现有技术相比，其有益效果在于：