[发明专利]一种基于深度学习的安全装备实时检测方法及装置

权利要求书

1.一种基于深度学习的安全装备实时检测方法，其特征在于，包括如下步骤：

获取多种场景中的视频流数据并利用其训练目标检测神经网络；

根据所述目标检测神经网络获取安全装备与佩戴人的识别置信度以及动态锚框、动态锚框的坐标；

统计所述动态锚框内的预设颜色像素占其所有颜色的比例；

根据所述识别置信度、动态锚框的坐标以及预设颜色像素占其所有颜色的比例，判断佩戴人是否安全佩戴安全装备。

2.根据权利要求1所述的基于深度学习的安全装备实时检测方法，其特征在于，所述目标检测神经网络的训练步骤包括如下步骤：

将所述视频流数据提取为图像，并将其制作为图像数据集；

利用图片标注工具对所述图像数据集中的目标人员及其安全装备标注，以及获取目标人员及其安全装备的坐标，制作成图像数据集的标签；

将所述图像数据集及其标签作为目标检测神经网络的输入，训练所述目标检测神经网络直至误差低于阈值。

3.根据权利要求1所述的基于深度学习的安全装备实时检测方法，其特征在于，所述统计所述动态锚框内的预设颜色像素占其所有颜色的比例具体为：统计锚框内红、黄、蓝、橙、白像素占锚框内全部像素的比例。

4.根据权利要求1所述的基于深度学习的安全装备实时检测方法，其特征在于，所述根据所述识别置信度、动态锚框的坐标以及预设颜色像素占其所有颜色的比例，判断佩戴人是否安全佩戴安全装备包括如下步骤：

根据所述目标检测神经网络获取安全装备与佩戴人的识别置信度以及动态锚框p₁、p₂，所述p₁、p₂分别表示安全装备的动态锚框、佩戴人的动态锚框；

根据所述目标检测神经网络获取安全装备与佩戴人的识别置信度y₁、y₂；

统计所述动态锚框p₁、p₂内的预设颜色像素占其所有颜色的比例r₁、r₂；

确定识别置信度y₁、y₂的权重系数α₁、α₂，根据安全装备与佩戴人头发颜色以及肤色分别确定r₁、r₂的权重系数β₁、β₂；

根据所述权重系数α₁、α₂和β₁、β₂以及r₁、r₂，判断佩戴人是否安全佩戴安全装备。

5.根据权利要求4所述的基于深度学习的安全装备实时检测方法，其特征在于，其特征在于，所述根据所述权重系数α₁、α₂和β₁、β₂以及r₁、r₂，判断佩戴人是否安全佩戴安全装备具体为：

根据α₁、α₂和β₁、β₂以及r₁、r₂确定标准值Z；

根据标准值Z是否大于阈值判断佩戴人是否安全佩戴安全装备；

所述标准值Z的计算方法为：Z＝η(y₁)·α₁+η(y₁)·α₁+η(r₁)·β₁+η(r₂)·β₂，其中η()表示激活函数。