[发明专利]一种基于人体关键点的安全穿戴检测方法

权利要求书

1.一种基于人体关键点的安全穿戴检测方法，其特征及具体步骤如下：

S1，利用改进的目标检测算法对输入的图片进行人员目标检测，并以目标框和坐标信息的方式输出，为人体关键点检测提供输入数据；

S2，在人员目标检测的基础上，利用EMPE框架提取到全部人体骨骼关键点信息，形成关键点序列；

S3，基于骨骼关键点的信息，建立人体二维投影模型；

S4，在人体二维投影模型的基础上，提出七点定位法，利用头部七个关键点坐标信息定位出待检测的头部区域；

S5，提出四点定位法，利用左肩、右肩、左脚踝、右脚踝四个关键点的坐标定位出待检测的躯干区域；

S6，提出基于ResNet50-TL的安全穿戴识别算法，迁移学习ResNet50模型的特征提取能力。

S7，利用训练好的对待检测的头部区域及躯干区域进行特征提取，识别安全帽和安全衣；

S8，输出目标人员的安全穿戴结果。

2.根据权利要求1所述的一种基于人体关键点的安全穿戴检测方法，其特征在于，步骤S1，本发明主要是通过随机擦除(Random Erasing)方法，增加相应的被遮挡人员的样本数据，从而训练出适用于海洋平台复杂场景下的人员目标检测模型。在训练过程中按照一定的概率对样本进行随机擦除，对于一个mini-batch，其被随机擦除处理的概率为p，保持不变的概率为1-p，在此过程中，产生具有不同遮挡程度的训练图像。

3.根据权利要求1所述的一种基于人体关键点的安全穿戴检测方法，其特征在于，对于步骤S2，本发明采用的是一种自上而下的区域姿态估计算法(RMPE)，RMPE主要包括对称空间变换网络(SSTN)、参数化姿态非最大抑制(Pose-NMS)、姿态引导区域框生成器(PGPG)三部分。为了得到更加精确的人员目标区域检测框，RMPE加入了空间对称变换网络(SSTN)和并行单人姿态检测器(Parallel SPPE)，其中，空间变换网络通过2D仿射变换，自动的选取最优ROI，从而提取一个最精准的人体区域框，提取到精准的人体区域之后，利用单人姿态估计器(SPPE)进行精确目标人员的姿态估计，空间逆变换网络(SDTN)将估计到的人体姿态映射回原始的图像坐标。并行单人姿态检测器(PSPPE)在训练阶段作为额外的正则项，避免陷入局部最优，并进一步提升SSTN的效果。人员目标检测不可避免地会产生冗余检测，而冗余检测又会产生冗余的姿态估计，RMPE利用参数化姿态非最大抑制方法(Pose-NMS)解决冗余检测问题，Pose-NMS比之前的姿态非最大抑制效率和精度更高,而且不需要手动设置参数，可通过数据驱动的方式设置参数。为了得到更准确的姿态，需要定义姿态相似性，以消除过于接近和过于相似的姿态。

Pose-NMS定义了一个姿态距离尺度来测量姿态相似性，距离尺度公式如下：

d(P_i,P_j|Λ) (1)

式(1)中Λ是函数d(·)的参数集，采用如下消除标准：

f(P_i,P|Λ,η)＝1[d(P_i,P_j|Λ,λ)≤η] (2)

式(2中)η来作为判断是否消除的阈值，如果d()小于η则f(·)输出1，P_i是冗余姿态最终得到目标人员的准确姿态，提取到17个人体关键点坐标信息。