[发明专利]安全帽佩戴检测方法、电子装置及存储介质

权利要求书

1.一种安全帽佩戴检测方法，其特征在于，所述方法包括：

实时拍摄当前监控区域场景的视频，通过人体特征识别检测拍摄的视频图像中是否包含至少一个人体；

在检测到拍摄的所述视频图像中包含所述至少一个人体时，根据所述至少一个人体所属的法规规范场景判断所述至少一个人体是否需要佩戴安全帽；

当判定所述至少一个人体需要佩戴安全帽时，对拍摄的所述视频图像进行预处理，其中，所述预处理包括滤波、降噪及归一化；

通过安全帽佩戴检测模型检测所述视频图像，判断所述至少一个人体的头部是否佩戴安全帽；

其中，所述安全帽佩戴检测模型为YOLOv4模型，所述YOLOv4模型包括输入层、主干网络、颈部网络和输出层，所述输入层用于接收输入的经过预处理的视频图像，所述主干网络用于从所述视频图像提取目标特征，所述颈部网络用于融合提取的目标特征，所述输出层用于根据经过融合的目标特征预测目标特征区域，所述目标特征区域包括所述人体的头部区域及/或安全帽区域；

在所述安全帽佩戴检测模型检测到所述当前监控区域场景的视频图像中的目标特征区域包括所述人体的头部区域及所述安全帽区域时，确定所述头部区域与所述安全帽区域的重合程度；

在所述安全帽佩戴检测模型未检测到所述视频图像中所述人体的安全帽区域或确定检测到的所述头部区域与所述安全帽区域的重合程度未达到预设值时，判定所述人体的头部未佩戴安全帽；

在确定检测到的所述头部区域与所述安全帽区域的重合程度达到预设值时，判定所述人体的头部佩戴安全帽；

根据所述至少一个人体的头部是否佩戴安全帽的检测结果在所述视频图像中佩戴安全帽及/或未佩戴安全帽的人体的头部位置添加对应的预设标识，以标示所述检测结果。

2.如权利要求1所述的安全帽佩戴检测方法，其特征在于，所述方法还包括：

获取预设监控区域场景的多个图像，所述预设监控区域场景的多个图像包括人体佩戴安全帽的多个正样本图像和人体未佩戴安全帽的多个负样本图像；

获取所述预设监控区域场景的每个图像的检测结果，所述正样本图像的检测结果为人体佩戴安全帽，所述负样本图像的检测结果为人体未佩戴安全帽；及

将所述预设监控区域场景的多个图像和每个图像的检测结果作为训练数据集输入所述YOLOv4模型，对所述YOLOv4模型进行训练，确定所述YOLOv4模型的最优参数，以建立所述安全帽佩戴检测模型。

3.如权利要求2所述的安全帽佩戴检测方法，其特征在于，所述将所述预设监控区域场景的多个图像和每个图像的检测结果作为训练数据集输入所述YOLOv4模型，对所述YOLOv4模型进行训练包括：

将所述预设监控区域场景的图像作为训练数据输入所述输入层，在所述输入层进行训练数据的增强处理，其中，所述增强处理包括Mosaic处理、归一化处理及SAT自对抗训练；

所述主干网络采用CSPDarknet53检测网络，提取所述图像的特征；

所述颈部网络采用空间金字塔池化模块、特征金字塔网络及路径聚合网络，对提取的特征进行融合；

所述输出层输出所述检测结果，其中，所述检测结果包括目标检测框和所述图像中的人体是否佩戴安全帽的分类结果。

4.如权利要求2所述的安全帽佩戴检测方法，其特征在于，所述方法还包括：

将拍摄的所述当前监控区域场景的视频图像与所述预设监控区域场景的多个图像进行对比，判断所述当前监控区域场景是否属于所述预设监控区域场景；及

当判定所述当前监控区域场景不属于所述预设监控区域场景时，根据所述当前监控区域场景的视频图像及所述安全帽佩戴的检测结果继续对所述YOLOv4模型进行训练，调整所述YOLOv4模型的最优参数，以更新所述安全帽佩戴检测模型。

5.如权利要求2所述的安全帽佩戴检测方法，其特征在于，所述方法还包括：

将通过训练建立的所述安全帽佩戴检测模型导入开放神经网络交换模型；及

在检测拍摄的所述当前监控区域场景的视频图像时，通过所述开放神经网络交换模型运行所述安全帽佩戴检测模型。