【技术实现步骤摘要】
一种安全带佩戴检测模型训练方法及安全带佩戴检测方法
[0001]本专利技术涉及计算机视觉
，具体涉及一种安全带佩戴检测模型训练方法及安全带佩戴检测方法。
技术介绍
[0002]在安全驾驶检测中，通常可以通过摄像头对行驶中的车辆进行抓拍，并对抓拍得到的图像进行图像识别，从而确定司机是否配搭安全带。
[0003]对于司机是否佩戴安全带，现有的技术方案主要通过视觉直接检测安全带来判断是否佩戴安全带，由于安全带本身的变化很多，形态、颜色、安装位置、佩戴方式、大面积遮挡、摄像头安装角度变化、采光等因素影，现有的技术方案通常是通过大量的样本图像，对设计好的机器学习模型进行训练，使得训练后的模型可以识别出图像中的安全带区域，从而达到检测司机是否佩戴安全带的目的。
[0004]但在上述方案中，安全带在图像中占司机的像素比例很低，仅通过简单的目标检测，要学习到戴安全带的司机和不戴安全带的司机之间的区别的难度较大，安全带佩戴检测的准确性较低。
技术实现思路
[0005]本申请提供了一种安全带佩戴检测模型训练...
【技术保护点】
【技术特征摘要】
1.一种安全带佩戴检测模型训练方法，其特征在于，所述方法包括：获取样本集合中的第一样本检测图像；所述第一样本检测图像中标注有安全带区域；通过安全带佩戴检测模型对所述第一样本检测图像进行目标检测处理，获得样本检测区域，并确定所述样本检测区域中的像素值所对应的第一样本向量；基于所述样本检测区域以及所述安全带区域，获取目标检测损失函数值；基于所述第一样本向量以及第二样本向量，计算对比损失函数值；所述第二样本向量为通过安全带佩戴检测模型对所述样本集合中的第二样本检测图像得到的；基于所述目标检测损失函数值与所述对比损失函数值，对所述安全带佩戴检测模型的参数进行更新，以便更新后的所述安全带佩戴检测模型对目标图像中目标对象是否佩戴安全带进行检测。2.根据权利要求1所述的方法，其特征在于，所述样本集合中还包括第三样本检测图像；基于所述第一样本向量以及第二样本向量，计算对比损失函数值，包括：基于所述第一样本向量与所述第二样本向量之间的点积，以及所述第一样本向量与第三样本向量之间的点积，通过对比学习损失函数，计算所述对比损失函数值；所述第二样本向量为所述第一样本向量的正样本；所述第三样本向量为所述第一样本向量的负样本；所述第三样本向量为通过安全带佩戴检测模型对所述样本集合中的第二样本检测图像得到的。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本向量与所述第二样本向量之间的点积，以及所述第一样本向量与第三样本向量之间的点积，通过对比学习损失函数，计算所述对比损失函数值之前，还包括：获取样本集合中的各个样本检测图像分别对应的各个候选样本向量；计算所述第一样本向量与各个所述候选样本向量之间的点积；在各个所述候选样本向量中，将与所述第一样本向量的点积大于第一阈值的候选样本向量中筛选出第二样本向量；在各个所述候选样本向量中，将与所述第一样本向量的点积小于第二阈值的候选样本向量中筛选出第三样本向量。4.根据权利要求1至3任一所述的方法，其特征在于，所述确定所述样本检测区域中的像素值所对应的第一样本向量，包括：对所述样本检测区域中的像素值进行平均池化，并将平均池化后得到的各个特征值拼接为所述第一样本向量。5.根据权利要求1至3任一所述的方法，其特征在于，所述确定所述样本检测区域中的像素值所对应的第一样本向量，包括：在所述样本检测区域中筛选出中心检测区域；对所述中心检测区域中的像素值进行平均池化，并将平均池化后得到的各个特征值拼接为所述第一样本向量。6.一种安全带佩戴检测方法，其特征在于，所述方法包括：获取目标图像；通过安全带佩戴检测模型，对所述目标图像进行图像检测，确定目标对象是否佩戴安
全带；其中，所述安全带佩戴检测模型为基于目标检测损失函数值与对比损失函数值，对所述安全带佩戴检测模型的参数进行更新得到的；所述目标检测损失函数值为基于样本检测区域以及安全带区域获取到的...
【专利技术属性】
技术研发人员：余燕清，张如高，李发成，虞正华，
申请(专利权)人：苏州魔视智能科技有限公司，
类型：发明
国别省市：
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。