工人安全头盔实时检测方法、系统、设备及存储介质技术方案

本发明专利技术公开了工人安全头盔实时检测方法、系统、设备及存储介质，所述方法，包括：获取待处理的图像；将待处理的图像输入到训练后的头盔检测网络中，输出头盔佩戴检测结果；其中，所述头盔检测网络，包括：依次连接的骨干网络、颈部网络和解耦头；所述骨干网络，用于对输入的图像进行特征提取；所述颈部网络，用于对提取的特征进行特征增强处理；所述解耦头对增强的特征进行分类得到工人是否佩戴头盔的检测结果。提高了模型对于小目标的检测能力。提高了模型对于小目标的检测能力。提高了模型对于小目标的检测能力。

【技术实现步骤摘要】
工人安全头盔实时检测方法、系统、设备及存储介质


[0001]本专利技术涉及计算机视觉目标检测
，特别是涉及工人安全头盔实时检测方法、系统、设备及存储介质。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]安全头盔是一种安全防护用品，主要保护头部，可以有效防止因意外情况对施工人员造成的伤害。每年因工地事故死亡的人数都会占非自然死亡人数的一部分，这就意味着，工地安全形势依旧非常严峻。正确佩戴安全头盔，与减少建筑工地伤亡人数存在直接的关系。由于施工人员的安全防护意识薄弱，佩戴安全头盔的重要性往往被忽视。复杂的施工环境和施工人员的不安全行为容易引发安全事故，威胁施工人员的生命安全。为了监控和纠正不安全行为，确保建筑工人的安全，有必要对建筑工人是否戴安全头盔进行实时检测。
[0004]2013年，Kelm等人设计了一个移动射频识别(RFID)门户，以检查建筑工人佩戴安全防护设备的合规性。然而，射频识别检测器的识别区域是有限的。仅将头盔靠近工人，但无法确认头盔是否佩戴正确。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.工人安全头盔实时检测方法，其特征是，包括：获取待处理的图像；将待处理的图像输入到训练后的头盔检测网络中，输出头盔佩戴检测结果；其中，所述头盔检测网络，包括：依次连接的骨干网络、颈部网络和解耦头；所述骨干网络，用于对输入的图像进行特征提取；所述颈部网络，用于对提取的特征进行特征增强处理；所述解耦头对增强的特征进行分类得到工人是否佩戴头盔的检测结果。2.如权利要求1所述的工人安全头盔实时检测方法，其特征是，所述骨干网络，具体包括：依次连接的Focus层、CBL1层、SPD
‑
Conv1层、CSP1层、CBL2层、SPD
‑
Conv2层、CSP2层、CBL3层、SPD
‑
Conv3层、CSP3层、CBL4层、SPD
‑
Conv4层、GAM层和SPPF层；所述骨干网络，工作原理包括：将输入图像首先进行重新缩放到统一大小，经过Focus层，将输入特征图中的信息进行压缩和组合，从而提取出更高层次的特征表示；然后经过CBL1层的卷积操作提取局部空间信息，并通过经过CBL1层的BN层规范化特征值分布，最后通过经过CBL1层的激活函数引入非线性变换能力，从而实现对输入特征的转换和提取；将来自CBL1层的特征图送入SPD
‑
Conv1层保留所有的判别特征信息；CSP1层将来自SPD
‑
Conv1层的特征图通过CSP1层的Bottleneck，增加网络的深度和感受野，提高特征提取的能力；通过GAM层使网络关注物体的全局信息，从而提高特征提取的效果；最后通过SPPF层，指定一个卷积核，将每次池化后的输出作为下一个池化的输入，不仅加快特征提取的速度，还增强特征图特征表达能力。3.如权利要求2所述的工人安全头盔实时检测方法，其特征是，所述GAM层，工作原理包括：在通道注意力中，对于输入特征图，首先进行维度转换，经过维度转换的特征图输入到MLP，再转换为原来的维度，进行Sigmoid函数处理输出；在空间注意力中，通过卷积核为7
×
7的卷积缩减通道数量，缩小计算量，再经过一个卷积核为7
×
7的卷积操作，增加通道数量，保持通道数量的一致；最后经过Sigmoid函数输出。4.如权利要求2所述的工人安全头盔实时检测方法，其特征是，所述SPD
‑
Conv1层，工作原理包括：按照设定的比例因子对来自上一层输出的特征图进行下采样，沿着通道维度进行合并，以避免丢失可学习的特征信息；然后，通过步长为1的卷积，降低通道维度，减少计算量，保留所有的判别特征信息。5.如权利要求2所述的工人安全头盔实时检测方法，其...

【专利技术属性】
技术研发人员：吴晓明，裴加彬，刘祥志，邱文科，尹训嘉，刘琦，
申请(专利权)人：齐鲁工业大学山东省科学院山东山科智能科技有限公司，
类型：发明
国别省市：