头盔佩戴检测方法、计算机可读存储介质和电子设备技术

本发明专利技术公开了头盔佩戴检测方法、计算机可读存储介质和电子设备，方法包括以下步骤：将待检测数据输入第四模型，将第四模型的输出进行头盔佩戴检测；其中，第四模型由以下方式得到：利用人头数据对第一模型进行训练，训练完成得到第二模型；利用人头数据和头盔数据的第一混合数据对第二模型进行训练，训练完成得到第三模型；利用人头数据、头盔数据和现场数据的第二混合数据对第三模型进行训练，训练完成得到第四模型。本发明专利技术首先采用人头数据集进行训练，再采用头盔+人头的数据集训练，最后在现场数据集上进行训练，让神经网络在能够正确区分头盔和人头的前提下，在超复杂、高密度、小尺度的条件下训练，最终实现高准确率的定位。

【技术实现步骤摘要】
头盔佩戴检测方法、计算机可读存储介质和电子设备
本专利技术涉及图像识别领域，尤其涉及头盔佩戴检测方法、计算机可读存储介质和电子设备。
技术介绍
安全头盔佩戴关乎生命安全，能够高效，准确，低成本的识别安全头盔佩戴情况对工业生产有着重要的意义。部分现有技术利用神经网络对头盔佩戴进行识别。神经网络常用手段是混合训练，即一个数据集内有数十种类别(例如coco80类，ImageNet1000类)同时训练让神经网路去辨别，去定位，但这种方式会导致训练损失函数收敛及其缓慢，严重受限于损失函数的设计，没办法达到快速训练和高准确率。类比于人类学习，一次性学习80门功课很有可能最后混淆其中的内容，并且可能什么都学的不精通。这种训练方式极有可能会让神经网络混淆头盔和人头，导致关键点位置不准确类别，判断错误，影响后续的逻辑判断。因此，针对上述问题，提供一种头盔佩戴检测方法、计算机可读存储介质和电子设备，是本领域亟待解决的技术问题。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供头盔佩戴检测方法、计算机可读存储介质和电子设本文档来自技高网...

【技术保护点】
1.头盔佩戴检测方法，其特征在于：包括以下步骤：/n将待检测数据输入第四模型，将第四模型的输出进行头盔佩戴检测；其中，第四模型由以下方式得到：/n利用人头数据对第一模型进行训练，训练完成得到第二模型；/n利用人头数据和头盔数据的第一混合数据对第二模型进行训练，训练完成得到第三模型；/n利用人头数据、头盔数据和现场数据的第二混合数据对第三模型进行训练，训练完成得到第四模型。/n

【技术特征摘要】
1.头盔佩戴检测方法，其特征在于：包括以下步骤：
将待检测数据输入第四模型，将第四模型的输出进行头盔佩戴检测；其中，第四模型由以下方式得到：
利用人头数据对第一模型进行训练，训练完成得到第二模型；
利用人头数据和头盔数据的第一混合数据对第二模型进行训练，训练完成得到第三模型；
利用人头数据、头盔数据和现场数据的第二混合数据对第三模型进行训练，训练完成得到第四模型。


2.根据权利要求1所述的头盔佩戴检测方法，其特征在于：所述第一模型、第二模型、第三模型和第四模型均为三阶堆叠沙漏网结构，输入为场景图像数据，三个输出分别为中心点热力图、物体类别、包括宽度和长度的物体属性值。


3.根据权利要求2所述的头盔佩戴检测方法，其特征在于：所述将第四模型的输出进行头盔佩戴检测包括：
利用中心点热力图和物体类别确定图像中出现的所有人头的位置以及头盔的位置；
通过中心点热力图对整张图片中的头盔和人头进行两两分组，用于进一步区分未佩戴头盔、头盔在头部附近以及正确佩戴头盔这三种情形：对于图中不属于任何一个分组的人头直接判断认为没有佩戴头盔；对于有分组的人头和头盔，根据中心点热力图和物体属性值计算距离和重叠面积，得出头盔佩戴结果。


4.根据权利要求1或2所述的头盔佩戴检测方法，其特征在于：所述方法还包括以下步骤：
在对第一模型、第二模型和第三模型的训练过程中，利用损失函数对对应模型进行优化；其中损失函数的整体构成为：Lall＝λconfidenceLconfidence+λsizeLsize+λoffsetLoffset，其中为λconfidence、λsize、λoffset分别为三个子损失函数的权值，Lconfidence、Loffset、Lsize分别表示置信度损失、浮点误差损失和目标大小损失。


5.根据权利要求4所述的头盔佩戴检测方法，其特征在于：所述的置信度损失Lconfidence具体为：

...

【专利技术属性】
技术研发人员：匡平，段其鹏，李凡，彭江艳，刘晨阳，黄泓毓，高宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51