[发明专利]一种基于深度卷积神经网络的安全帽佩戴检测方法

摘要

本发明涉及一种基于深度卷积神经网络的安全帽佩戴检测方法；本发明包括：101、将待检测图像输入至训练后的深度卷积神经网络；102、获取深度卷积神经网络输出的检测结果，检测结果为满足预设条件的第一类边界框和第二类边界框；103、将检测结果中满足预设条件的第一类边界框和第二类边界框标记在待检测图像上；其中深度卷积神经网络包括：基础网络模块、卷积模块、自顶向下模块和预测模块。本发明方法模型简单且不需要复杂的图像预处理过程，针对人员其他身体部位被遮挡的情况也能准确的检测到人员是否佩戴安全帽，本发明自顶向下模块和预测模块通过将高层特征图和低层特征图融合的方法提高了对图像分辨率低的目标的检测性能。

主权项

1.一种基于深度卷积神经网络的安全帽佩戴检测方法，其特征在于，所述方法包括：101、将待检测图像输入至训练后的深度卷积神经网络；102、获取深度卷积神经网络输出的检测结果，所述检测结果为满足预设条件的第一类边界框和满足预设条件的第二类边界框；103、将所述检测结果中满足预设条件的第一类边界框和满足预设条件的第二类边界框标记在所述待检测图像上；其中，训练后的深度卷积神经网络包括：基础网络模块、卷积模块、自顶向下模块和预测模块；待检测图像经过基础网络模块后在卷积模块中生成第一低层特征图、第二低层特征图和高层特征图，所述自顶向下模将高层特征图与第二低层特征图融合生成第一融合特征图，再将第一融合特征图和第一低层特征图融合生成第二融合特征图；所述预测模块将高层特征图通过第一残差结构融合生成第三融合特征图，将第一融合特征图第二残差结构融合生成第四融合特征图，将第二融合特征图通过第三残差结构融合生成第五融合特征图，再根据所述第三融合特征图、第四融合特征图和第五融合特征图获取满足预设条件的第一类边界框和满足预设条件的第二类边界框；所述第一类边界框包括：覆盖佩戴安全帽的人员头部所在区域的边界框的位置坐标、大小和类别置信度分数；所述第二类边界框包括：覆盖未佩戴安全帽的人员头部所在区域的边界框的位置坐标、大小和类别置信度分数。