一种移动端的救生衣检测方法技术

一种移动端的救生衣检测方法，包括以下步骤：1)数据获取：通过移动端设备采集船上图片；2)数据处理：对图片进行人体是否穿戴救生衣标注；3)模型训练：用目标检测模型训练救生衣穿戴检测；4)模型检测：移动端设备用训练好的救生衣检测模型对摄像头进行实时检测，获得摄像头中每个人体位置并判断是否穿戴救生衣；5)系统预警：移动端设备根据模型检测结果，判断是开启警报机制。本发明专利技术选取移动端设备，节省成本与空间，使用SSDlite模型，提高对救生衣的检测速度和准确率，具有较高的实际应用价值。

A detection method of life jacket at mobile end

【技术实现步骤摘要】
一种移动端的救生衣检测方法
本专利技术涉及计算机应用
及目标检测领域，特别是涉及一种移动端的救生衣检测方法。
技术介绍
近年来，随着经济发展，我国沿海渔业与旅游业迅速发展，出海人数居高不下，但他们往往忽视安全问题。出海的特点是水深、流急、路途远、时间长，往往需要渡过不小的海面，并且大海喜怒无常，偶尔还会遇到打上岩石的巨浪。在海钓盛行的台湾地区，每年都有十多人在海钓时丧生，而绝多数是未穿戴救生衣掉进海里被浪卷走，错过救援时间，所以救生衣对出海人员安全至关重要。然而，自然环境下的救生衣识别面临许多困难和挑战：救生衣标准不固定、人体遮挡、船上硬件设施不足等，因此仅仅依靠传统手动提取特征的方法和利用简单神经网络并不能达到期望的效果。因此，需要一种有效的救生衣检测方法，检测和识别出海船只人员是否穿戴救生衣，提高管理水平，当发生出海船只人员未穿戴救生衣可以及时预警。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种移动端的救生衣检测方法。该方法使用目标检测模型SSDlite，针对移动端设备进行模型优化，可以本文档来自技高网...

【技术保护点】
1.一种移动端的救生衣检测方法，其特征在于，所述方法包括以下步骤：/nS1：数据获取：通过移动端设备采集船上的图片；/nS2：数据处理：对图片进行人体是否穿戴救生衣标注；/nS3：模型训练：用目标检测模型训练救生衣穿戴检测；/nS4：模型检测：用训练好的救生衣检测模型对摄像头进行实时检测，获得摄像头中每个人体位置并判断是否穿戴救生衣；/nS5：系统预警：移动端设备根据模型检测结果，判断是否开启预警机制。/n

【技术特征摘要】
1.一种移动端的救生衣检测方法，其特征在于，所述方法包括以下步骤：
S1：数据获取：通过移动端设备采集船上的图片；
S2：数据处理：对图片进行人体是否穿戴救生衣标注；
S3：模型训练：用目标检测模型训练救生衣穿戴检测；
S4：模型检测：用训练好的救生衣检测模型对摄像头进行实时检测，获得摄像头中每个人体位置并判断是否穿戴救生衣；
S5：系统预警：移动端设备根据模型检测结果，判断是否开启预警机制。


2.如权利要求1所述的一种移动端的救生衣检测方法，其特征在于，所述步骤S1中，移动端设备从摄像头取帧并保存图片，移动端设备包括树莓派3B+，图片格式包括JPEG。


3.如权利要求1所述的一种移动端的救生衣检测方法，其特征在于，所述步骤S3中，用目标检测模型训练人体救生衣穿戴检测，目标检测模型包括SSDlite。


4.如权利要求1或2或3所述的一种移动端的救生衣检测方法，其特征在于，所述步骤S3包括以下步骤：
S3-1:通过mobilenet-v2主网络+convolutionalfeaturelayers提取出6个不同尺寸的featuremap，用于提取不同大小的bbox，检测不同大小的目标；
S3-2:通过RPN与6个不同尺寸的featuremap生成defaultbox，当长宽比例为1时，添加一个经验框：每个卷积特征位置可产生对应的6个defaultbox，最后将特征映射的每一个defaultbox坐标中心特征归一化到[0,1]；
S3-3:通过S3-1构建的6个不同尺寸的featuremap跟S3-2构建的defaultbbox输出边框预测结果；
S3-4:通过S3-1构建的6个不同尺寸的featuremap跟conv层得到分类结果；
S3-5:训练损失包括分类损失和回归损失，计算式如下：



其中N表示正样本的数目，表示第i个先验框与第j个groundtruthbox匹配，且groundtruth的类别为p，c为类别预测置信度，l为先验框对应边框的位置预测值，g是groundtruth的位置参数。


5.如权利要求...

【专利技术属性】
技术研发人员：宣琦，张鑫辉，孙翊杰，赵佳康，翔云，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33