一种基于自适应检测区域的安全帽佩戴检测方法技术

本发明专利技术公开了一种基于自适应检测区域的安全帽佩戴检测方法，收集训练数据并对模型进行训练，每N帧进行一次大尺度图片检测，将人形集中区域设为检测区域，并进行拼接图片，然后对拼接图片检测、跟踪以及确认是否佩戴了安全帽。本发明专利技术通过大尺度图像的检测结果设置注意力区域并进行图像拼接可以有效地对全区域的小目标进行有效地检测，增强了模型的检出率，模型的检出率可达95%；同时可以提高模型的平均推理速度。本发明专利技术高效、稳定的在视频中进行运动目标识别，从而能够及时预警、避免安全事件，减少人力、财力的投入，有效提高视频监视系统的实时性及有效性。统的实时性及有效性。统的实时性及有效性。

【技术实现步骤摘要】
一种基于自适应检测区域的安全帽佩戴检测方法


[0001]本专利技术属于图像识别的
，具体涉及一种基于自适应检测区域的安全帽佩戴检测方法。

技术介绍

[0002]近年来，随着多媒体技术、视频压缩编码技术、网络通讯技术的发展，数字视频监控系统得到了迅速发展。基于数据进行自动目标识别、跟踪，成为处理海量视频流、连续帧图像的智能化、高效化方式；能够及时预警、避免安全事件，减少人力、财力的投入，有效提高视频监视系统的实时性及有效性。
[0003]然而，现有技术中仍然存在不足，基于传统机器视觉算法通常采用人工的方式制作选取特征并分类，如专利号为CN 111753805 A的现有技术，这类方法通常精度较低，算法的鲁棒性差，难以在复杂的实际环境中应用。基于神经网络的多阶段检测算法通过将佩戴安全帽的任务分成多个步骤来完成，如专利号为CN 111753805 A的现有技术，使用RCNN网络，这类方式虽然精度较高，但训练复杂且推理速度会随着人数的增加直线降低。基于神经网络的单阶段检测算法通常只需要训练一个模型就可以直接得到结果，如专利号为CN11188本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应检测区域的安全帽佩戴检测方法，其特征在于，包括以下步骤：步骤S100：收集训练数据；步骤S200：标注训练数据并进行模型训练；步骤S300：进行大尺度图片检测，并进行拼接图片，然后对拼接图片检测、跟踪以及确认是否佩戴了安全帽：步骤S310：每N帧进行一次大尺度图片检测，将人形集中区域设为检测区域；采用其他帧对上一次大尺度图片检测得到的检测区域进行裁剪、拼接得到拼接图片；步骤S320：将拼接图片输入步骤S200中的模型，并检测出人头框和人形框；步骤S330：对人头框和人形框进行匈牙利匹配，使用目标跟踪模型对人形框、人头框目标进行跟踪，并通过多帧投票的方法确定是否佩戴安全帽。2.根据权利要求1所述的一种基于自适应检测区域的安全帽佩戴检测方法，其特征在于，所述步骤S310中对所有的检测区域按面积从大至小进行排序，然后选择前4个区域进行拼接，且保证拼接后的图片长宽比为1。3.根据权利要求1所述的一种基于自适应检测区域的安全帽佩戴检测方法，其特征在于，所述步骤S330中采用人头框与人形框的IOU值进行匹配，IOU值计算公式如下：其中：s1为人头框与人形框相交区域的面积：S为人头框的面积，单位为pixel2；若IOU值大于等于0.95，则认为人头框和人形框属于同一个人，否则认为不属于同一个人。4.根据权利要求3所述的一种基于自适应检测区域的安全帽佩戴检测方法，其特征在于，所述步骤S330中多帧投票的计算公式如下：其中：n1表示结果为带安全帽的帧数；n为总的投票帧数；prob为佩戴安全帽的置信度；若prob大于等于0.7，则认为佩戴了安全帽；若prob小...

【专利技术属性】
技术研发人员：胥靖，肖利，
申请(专利权)人：杭州数峰科技有限公司，
类型：发明
国别省市：