【技术实现步骤摘要】
一种工人着装检测方法、装置、存储介质及电子设备
本专利技术涉及图像处理
，更具体的，涉及一种工人着装检测方法、装置存储介质及电子设备。
技术介绍
考虑到施工安全，一般要求工地的工人必须穿工装并佩戴安全帽。由于建筑工程施工环境复杂且分布较广，若采用人工的方式检查工人的着装情况，对人力投入的要求很高，很难及时发现着装不合格，且容易出现漏检。若利用机器学习模型自动对远程监测设备采集的图像进行识别的方式检测工人着装情况，虽然效率较高，但是由于通过远程监测设备采集的图像中工人尺寸较小，安全帽等尺寸更小，且尺寸不统一，很难对工人着装情况进行准确识别。
技术实现思路
有鉴于此，本专利技术提供了一种工人着装检测方法、装置、存储介质及电子设备，实现对通过远程监测设备采集的图像中工人着装情况的准确识别。为了实现上述专利技术目的，本专利技术提供的具体技术方案如下：一种工人着装检测方法，包括：获取通过远程监测设备采集的待识别图像；提取所述待识别图像的多个不同尺寸的初始特征图；...
【技术保护点】
1.一种工人着装检测方法，其特征在于，包括：/n获取通过远程监测设备采集的待识别图像；/n提取所述待识别图像的多个不同尺寸的初始特征图；/n分别对每个所述初始特征图自身的特征数据进行多尺寸信息融合，得到与每个所述初始特征图一一对应的融合特征图；/n将每个所述融合特征图输入预先训练得到的识别模型中进行处理，得到每个所述融合特征图对应的识别结果；/n根据每个所述融合特征图对应的识别结果确定所述待识别图像中是否有人、且所述人已穿工装并佩戴安全帽。/n
【技术特征摘要】
1.一种工人着装检测方法，其特征在于，包括：
获取通过远程监测设备采集的待识别图像；
提取所述待识别图像的多个不同尺寸的初始特征图；
分别对每个所述初始特征图自身的特征数据进行多尺寸信息融合，得到与每个所述初始特征图一一对应的融合特征图；
将每个所述融合特征图输入预先训练得到的识别模型中进行处理，得到每个所述融合特征图对应的识别结果；
根据每个所述融合特征图对应的识别结果确定所述待识别图像中是否有人、且所述人已穿工装并佩戴安全帽。
2.根据权利要求1所述的方法，其特征在于，所述分别对每个所述初始特征图自身的特征数据进行多尺寸信息融合，得到与每个所述初始特征图一一对应的融合特征图，包括：
针对每个所述初始特征图，将所述初始特征图输入到密集连接卷积网络，依次经过所述密集连接卷积网络中空洞率逐渐增大的多个可形变卷积，得到所述初始特征图经过不同可形变卷积后输出的特征图，其中，第一个可形变卷积的输入为所述初始特征图，剩余每个可形变卷积的输入为上一个可形变卷积输出的特征图；
对所述初始特征图以及所述初始特征图经过不同可形变卷积后输出的特征图进行堆叠，得到所述初始特征图对应的待变换特征图；
利用所述密集连接卷积网络中的1×1卷积对所述初始特征图对应的待变换特征图进行变换，得到所述初始特征图对应的所述融合特征图。
3.根据权利要求1所述的方法，其特征在于，所述分别对每个所述初始特征图自身的特征数据进行多尺寸信息融合，得到与每个所述初始特征图一一对应的融合特征图，包括：
针对每个所述初始特征图，将所述初始特征图输入到密集连接卷积网络，所述密集连接卷积网络包括空洞率逐渐增大的多个可形变卷积，其中，每个可形变卷积的输入为：对所述初始特征图以及之前每个可形变卷积输出的特征图进行堆叠后得到的特征图；
对所述初始特征图以及所述初始特征图经过不同可行变卷积后输出的特征图进行堆叠，得到所述初始特征图对应的待变换特征图；
利用所述密集连接卷积网络中的1×1卷积对所述初始特征图对应的待变换特征图进行变换，得到所述初始特征图对应的所述融合特征图。
4.根据权利要求2或3所述的方法，其特征在于，在将每个所述融合特征图输入预先训练得到的识别模型中进行处理之前，所述方法还包括：
确定多个所述融合特征图中的浅层特征图；
对每个所述融合特征图进行上采样；
针对每个浅层特征图，将该浅层特征图与其他所述融合特征图的上采样值进行融合，得到强化浅层特征后的浅层特征图。
5.根据权利要求1所述的方法，其特征在于，所述将每个所述融合特征图输入预先训练得到的识别模型中进行处理，得到每个所述融合特征图对应的识别结果，包括：
针对每个所述融合特征图，将所述融合特...
【专利技术属性】
技术研发人员：黄泽元，
申请(专利权)人：深圳集智数字科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。