着装安全检测方法、装置、存储介质及计算机设备制造方法及图纸

本发明专利技术提供的本发明专利技术提供的着装安全检测方法、装置、存储介质及计算机设备，在神经网络模型的第一路分支中，待检测图像经提取并融合后，将融合后的特征金字塔各个层级分别单独进行特征增强，这样不仅能够提炼目标特征，同时还能够抑制非目标、背景区域；除此之外，还对各个层级特征金字塔中的特征图提取感兴趣区域，实现针对特定目标更加精准的检测，在保证检测速度的前提下，显著提升安全着装检测的精度和鲁棒性；在另外一路分支，通过端到端训练，可以专注于特定类别的注意力特征图，最后将第一路分支的感兴趣区域与第二路分支的类别注意力特征图进行加权求和，从而可以得到专注于特定类别的检测结果，有效提升目标检测精度。有效提升目标检测精度。有效提升目标检测精度。

【技术实现步骤摘要】
着装安全检测方法、装置、存储介质及计算机设备


[0001]本专利技术涉及目标检测
，尤其涉及一种着装安全检测方法、装置、存储介质及计算机设备。

技术介绍

[0002]工业生产与建设过程中，工作服和安全帽在安全事故防范中起到了举足轻重的作用。根据大量数据统计，许多安全生产事故常常是由人为因素造成的。因此，按规定穿着工作服和佩戴安全帽，是安全生产的必要措施。统一颜色和标志的工作服，不仅利用作业人员的生命安全，便于管理，也起到快速对现场人员身份进行识别的作用，在一定程度上可以防范外来人员入侵。
[0003]目前，国内外已有一些学者对计算机视觉下安全着装检测进行了研究，通过目标检测技术实现工业生产和建设现场的安全行为检测。但是，当前主流的目标检测技术主要存在以下几点不足：(1)由于待检测人员距离监控摄像头的距离的改变，导致人体目标尺度出现大幅变化的情况下，无法对安全着装进行准确、鲁棒的检测；(2)当变电站施工人员较多，待检测人员的着装情况可能较为繁杂，且人与人之间可能存在相互的遮挡，使得安全着装检测的结果会出现较大偏差；(3)随着天气的变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种着装安全检测方法，其特征在于，包括：利用获取到的训练数据集对神经网络模型进行迭代训练，直到迭代停止条件满足为止，得到训练好的神经网络模型，其中，所述神经网络模型为双阶段的双流卷积神经网络；获取待检测图像，将所述待检测图像输入到所述双流卷积神经网络的一路分支中提取多层级的深度特征图，使用特征金字塔对各层级的深度特征图融合后逐层进行特征增强及提取感兴趣区域；选取融合后的单层深度特征图输入到所述双流卷积神经网络的另一路分支中，并使用类别注意力机制提取类别注意力特征图，将所述类别注意力特征图与提取到的感兴趣区域进行加权求和后确定最终的检测结果，根据所述检测结果确定着装安全情况。2.根据权利要求1所述的一种着装安全检测方法，其特征在于，所述利用获取到的训练数据集对神经网络模型进行迭代训练，直到迭代停止条件满足为止，得到训练好的神经网络模型的步骤，包括：获取训练图像，对所述训练图像进行标注后确定对应的对象位置和对象类别，依据所述训练图像、对象位置和对象类别得到训练数据集；将所述训练数据集中的训练图像输入到神经网络模型中，将对应的对象位置和对象类别作为所述神经网络模型的输出，对所述神经网络模型进行训练；根据训练后得到的总体损失函数调整所述神经网络模型中的参数，并利用调整后的参数继续对所述神经网络模型进行训练，直到所述总体损失函数达到目标值为止，得到训练好的神经网络模型。3.根据权利要求2所述的一种着装安全检测方法，其特征在于，所述总体损失函数包括所述神经网络模型中一路分支对应的分类损失函数以及另一路分支对应的类别注意力损失函数。4.根据权利要求1所述的一种着装安全检测方法，其特征在于，将所述待检测图像输入到所述双流卷积神经网络的一路分支中提取多层级的深度特征图，使用特征金字塔对各层级的深度特征图融合后逐层进行特征增强及提取RoIs的步骤，包括：将所述待检测图像输入到所述双流卷积神经网络的一路分支，利用所述分支中的ResNeXt提取深度特征图，并使用FPN特征金字塔将ResNeX中至少两个层级的深度特征图进行自上而下的融合；使用高斯非局部注意力机制对融合后的深度特征度进行逐层特征增强，并利用RPN逐层提取特征增强后的深度特征图中的感兴趣区域，对所述感兴趣区域的特征继续进行提取后得到多特征的感兴趣区域。5.根据权利要求4所述的一种着装安全检测方法，其特征在于，所述利用RPN逐层提取特征增强后的深度特征图中的感兴趣区域，对所述感兴趣区域的特征继续进行提取后得到多特征的感兴趣区域的步骤，包...

【专利技术属性】
技术研发人员：杨强，张子瑛，李妍，谢善益，于洋，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：