基于特征融合的安全帽佩戴卷积网络、训练及检测方法技术

本发明专利技术公开了一种基于特征融合的安全帽佩戴卷积网络、训练及检测方法。依次在CenterNet中引入三个模块：特征金字塔模块，采用自顶向下的过程，先将Conv‑5采用n倍上采样，Conv‑4采用m*m的卷积核改变通道数，并与上采样后的Conv‑5特征层融合；Conv‑4，Conv‑3与此操作类似，即先进行n倍上采样再与经m*m卷积核卷积后的下一层特征融合，得到最终融合后的特征；全局引导模块，包含金字塔池化和全局引导流两个模块；特征整合模块，先将融合后的特征进行n、2n、4n倍的下采样，再做平均池化，然后再进行相应倍数的上采样整合到一起，接着跟一个3m*3m大小的卷积核做卷积。本发明专利技术检测效率大幅提升，对图像中尺度小的工人安全帽佩戴情况检测效果提升更为明显，检测速度可达21fps，基本满足实时性。

【技术实现步骤摘要】
基于特征融合的安全帽佩戴卷积网络、训练及检测方法
本专利技术属于人工智能领域，更具体地涉及一种基于特征融合的安全帽佩戴检测方法CenterNetFF(CenterNet-Feture-Fusion)，
技术介绍
统计数据表明，今年五月全国建筑行业发生重大事故共13起，共造成51人死亡与去年相比分别上升了18.2％和34.2％。安全帽是保护工人头部的一个重要工具，对其生命安全具有重要意义。但是很多工人缺乏安全意识，不佩戴安全帽的情形时有发生，因此自动检测工人是否佩戴安全帽是一项很有意义的事。经调查发现，工地上大多数监控摄像头安装在高处，拍摄到的图像中工人占据图像的比例较小，特征难以识别，因此急需解决小尺度工人安全帽佩戴检测的问题。基于传感器的方法侧重于定位与跟踪技术，例如射频识别(RFID)和无线局域网(WLAN)。Dong等人开发了用于工人位置跟踪的实时定位系统(RTLS)和虚拟构造，即在安全帽内放置一个压力传感器，然后通过蓝牙传递压力信息，以此用来判断工人是否佩戴了安全帽。Zhang等人使用基于物联网的架构开发了一个智能安全帽本文档来自技高网...

【技术保护点】
1.一种基于特征融合的安全帽佩戴检测卷积网络生成方法，其特征在于，依次在CenterNet中引入三个模块：/n特征金字塔模块，采用自顶向下的过程，先将Conv-5采用n倍上采样，Conv-4采用m*m的卷积核改变通道数，并与上采样后的Conv-5特征层融合；Conv-4，Conv-3与此操作类似，即先进行n倍上采样再与经m*m卷积核卷积后的下一层特征融合，得到最终融合后的特征；/n全局引导模块，包含金字塔池化和全局引导流两个模块；全局引导流模块，在特征金字塔自顶向下过程中的每一次横向连接时分别加入n、2n、4n倍上采样的金字塔池化特征；/n特征整合模块，先将融合后的特征进行n、2n、4n倍的下...

【技术特征摘要】
1.一种基于特征融合的安全帽佩戴检测卷积网络生成方法，其特征在于，依次在CenterNet中引入三个模块：
特征金字塔模块，采用自顶向下的过程，先将Conv-5采用n倍上采样，Conv-4采用m*m的卷积核改变通道数，并与上采样后的Conv-5特征层融合；Conv-4，Conv-3与此操作类似，即先进行n倍上采样再与经m*m卷积核卷积后的下一层特征融合，得到最终融合后的特征；
全局引导模块，包含金字塔池化和全局引导流两个模块；全局引导流模块，在特征金字塔自顶向下过程中的每一次横向连接时分别加入n、2n、4n倍上采样的金字塔池化特征；
特征整合模块，先将融合后的特征进行n、2n、4n倍的下采样，再做平均池化，然后再进行相应倍数的上采样整合到一起，接着跟一个3m*3m大小的卷积核做卷积。


2.根据权利要求1所述的基于特征融合的安全帽佩戴检测卷积网络生成方法，其特征在于，
步骤1、采用自顶向下的过程，从Conv-5开始，先将Conv-5采用2倍上采样，Conv-4采用1*1的卷积核改变通道数，并与上采样后的Conv-5特征层融合；Conv-4，Conv-3与此类似，先进行2倍上采样再与经1*1卷积核卷积后的下一层特征融合，得到最终融合后的特征；
步骤2、全局引导模块
步骤2.1、捕获全局信息
将CenterNet特征提取网络的最后一层网络即Conv-5进行平均池化生成1*1、2*2、3*3以及6*6不同尺度的池化特征，再使用1*1的卷积将池化特征的通道数变为原来的1/4，然后通过双线性插值上采样回原来的特征层大小，最后与原来的特征合并在一起，得到金字塔池化后的特征，聚合不同区域的上下文信息，从而捕获全局信息；
步骤2.2、全局引导流模块
在特征金字塔自顶向下过程中的每一次横向连接时分别加入2、4、8倍上采样的金字塔池化特征；
步骤3、先将融合后的特征进行2、4、8倍的下采样，再做平均池化，然后再进行相应倍数的上采样整合到一起，接着跟一个3*3大小的卷积核做卷积；将特征整合模块引入到CenterNet中。


3.根据权利要求2所述的基于特征融合的安全帽佩戴检测卷积网络生成方法，其特征在于，
在步骤2的基础上添加特征整合模块，首先将Conv-5进行特征整合，再与Conv-4做融合，融合后的特征进行特征整合，第三层与第二层与之类似，对每一层融合后的特征进行整合，得到最后的融合特征；分三个分支分别预测关键点，中心点偏差以及目标的尺寸。
<...

【专利技术属性】
技术研发人员：周敏新，张方舟，王学宇，任鹏，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：江苏;32