[发明专利]基于深度学习的安全帽佩戴识别方法及设备

说明书

本发明实施例提供一种基于深度学习的安全帽佩戴识别方法及设备，所述方法通过将待识别图像输入预先构建的安全帽识别模型；其中，所述安全帽识别模型基于预先标注的图像样本和多层卷积神经网络训练获得；基于安全帽识别模型的输出结果，获得待识别图像中包含安全帽的子图像。解决了现有技术中安全帽佩戴识别方案受光照的影响较大，并且不同的特征提取方法对算法的鲁棒性也有影响的技术问题，实现快速和准确进行安全帽佩戴识别的技术效果。

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及一种基于深度学习的安全帽佩戴识别方法及设备。

背景技术

现有的安全帽佩戴识别方法主要采用传统的模式识别，通过图像预处理、特征提取、安全帽识别等一系列的步骤实现安全帽佩戴识别，现有的方法虽然具体实施步骤有所不同，但整体流程、使用的技术都大同小异。

背景技术一中人脸定位和特征提取是安全帽识别的关键技术。首先通过人脸定位来判断安全帽的位置，采用检测肤色和眼睛、嘴巴的映射定位人脸，然后扫面人脸上部的矩形区域，通过提取颜色和形状特征来判断头部是否佩戴安全帽。背景技术二首先通过肤色检测的方法定位到人脸区域，并以此获得脸部以上的区域图像，然后将Hu矩作为图像的特征向量，最后对提取到的特征进行分类，进而识别出头部是否佩戴安全帽。背景技术三首先对输入图像进行强度无关变换，然后根据变换后得到的图像信息构建尺度空间，利用DOG算子检测输入图像信息包含的所有关键点。最后依托已有的基于点特征的图像配准进行特征匹配进而识别出是否佩戴安全帽。

现有的方法采用传统的模式识别方法，安全帽佩戴识别包括预处理图像、特征提取、识别等步骤，步骤繁琐，而且需要大量的先验知识，对算法设计人员的专业知识要求较高，算法设计人员的水平直接决定了能否准确检测出是否佩戴安全帽。传统的模式识别方案受光照的影响较大，并且不同的特征提取方法对算法的鲁棒性也有影响，这大大增加了安全帽佩戴识别的难度。

发明内容

本发明实施例提供一种基于深度学习的安全帽佩戴识别方法及设备，用以解决了现有技术中安全帽佩戴识别方案受光照的影响较大，并且不同的特征提取方法对算法的鲁棒性也有影响的技术问题，实现快速和准确进行安全帽佩戴识别的技术效果。

根据本发明实施例第一个方面，提供一种基于深度学习的安全帽佩戴识别方法，包括：

将待识别图像输入预先构建的安全帽识别模型；其中，所述安全帽识别模型基于预先标注的图像样本和多层卷积神经网络训练获得；

基于安全帽识别模型的输出结果，获得待识别图像中包含安全帽的子图像。

进一步地，将待识别图像输入预先构建的安全帽识别模型，之前还包括：

获取第一图像样本集，并对第一图像样本集进行标注；

基于标注的第一图像样本集和多层卷积神经网络训练获得安全帽识别模型。

根据本发明实施例第二个方面，提供一种基于深度学习的安全帽佩戴识别设备，包括：

输入模块，用于将待识别图像输入预先构建的安全帽识别模型；其中，所述安全帽识别模型基于预先标注的图像样本和多层卷积神经网络训练获得；

获取模块，用于基于安全帽佩戴识别模型的输出结果，获得待识别图像中包含安全帽佩戴的子图像。

根据本发明实施例第三个方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述安全帽佩戴识别方法。