一种安全帽佩戴检测方法、装置、电子设备及存储介质与流程

本发明属于视觉检测，具体涉及一种安全帽佩戴检测方法、装置、电子设备及存储介质。

背景技术：

1、安全性是煤炭工程发展中很重要的一部分，在煤炭开采过程中，矿井环境十分复杂，矿井深度从几十米到上千米不等，上面压着厚厚的岩层，尽管井下有支架进行支撑，但仍难保证绝对的安全；同时，在煤炭运输作业场地，其相比于井下作业，虽然安全性得到了提高，但是，还是存在有易掉落物体的非安全作业区域；因此，煤炭的安全高效生产对于保障能源安全具有举足轻重的作用，而煤炭作业过程中的人员安全保障，则是保证煤炭安全高效生产的重要环节。

2、安全帽作为保护、防护的重要防范手段，在工人作业中起到了不可忽视的保护作用，因此，在每个危险的作业场合，佩戴安全帽以增加对头部的保护都是必需的，各大企业也设置了相应的监察手段来督促工人正确佩戴安全帽，以保证人员的作业安全；但是，目前还是采取人力盯梢的方式，来检查人员佩戴安全帽的情况，其存在以下不足：效率低、人力成本高，且巡查人员不可能全天候的监察每个工人，如此，则会导致监察效果不佳，使得作业场地中工人的安全帽佩戴检测成为工地监督管理的一大难题；基于此，如何提供一种效率高、人力成本低以及监察效果好的安全帽佩戴检测方法，已成为一个亟待解决的问题。

技术实现思路

1、本发明的目的是提供一种安全帽佩戴检测方法、装置、电子设备及存储介质，用以解决现有技术采用人工盯梢方式检查人员是否佩戴安全帽所存在的效率低、人力成本高以及监察效果不佳的问题。

2、为了实现上述目的，本发明采用以下技术方案：

3、第一方面，提供了一种安全帽佩戴检测方法，包括：

4、获取待识别图像，其中，所述待识别图像中包含有至少一个人体；

5、对所述待识别图像中的每个人体进行关节点检测处理，得到每个人体的头部关节点的坐标和肩部关节点的坐标；

6、基于每个人体的头部关节点的坐标和肩部关节点的坐标，确定出每个人体的头部区域，并从所述待识别图像中，提取出每个人体的头部区域对应的图像；

7、获取安全帽佩戴检测模型，其中，所述安全帽佩戴检测模型是以多个样本人体的样本头部区域图像为输入，每个样本人体的安全帽佩戴检测结果为输出而训练得到的；

8、将每个人体的头部区域对应的图像输入至所述安全帽佩戴检测模型中进行佩戴检测，得到每个人体的安全帽佩戴检测结果。

9、基于上述公开的内容，本发明预先构建有安全帽佩戴检测模型，其中，该模型是以海量人体的头部区域图像为输入，每个人体的安全帽佩戴检测结果为输出而训练得到的，因此，在实际应用时，可直接采集人体的头部图像，并输入至该模型中，来完成安全帽的佩戴检测；其中，具体的检测过程为：先获取在作业场地中所拍摄的图像，作为待识别图像；然后，对待识别图像中的人体进行关节点检测处理，以得到待识别图像中各个人体的头部关节点坐标和肩部关节点坐标；而后，基于各个人体的头部关节点坐标和肩部关节点坐标，确定出各个人体对应的头部在待识别图像中所处的区域；最后，提取出各个人体头部区域对应的图像，并将提取出的各个图像，输入至安全帽佩戴检测模型，即可得到各个人体的安全帽佩戴检测结果。

10、通过上述设计，本发明采用机器识别方式，来提取出待识别图像中人体的头部区域图像，而后，再将提取出的头部区域图像输入至预先训练的安全帽佩戴检测模型中，从而来快速得出人员的安全帽佩戴检测结果；如此，相比于传统的人工盯梢方式，本发明的效率更高，人力成本更低，且可实现全天候的不间断监测，大幅提高了安全帽佩戴的监察效果；因此，本发明适应于在安全帽佩戴监测领域的大规模应用与推广。

11、在一个可能的设计中，任一人体的头部关节点的坐标包括该任一人体的鼻子坐标，且所述任一人体的肩部关节点的坐标包括该任一人体的左肩坐标和右肩坐标；

12、相应的，基于每个人体的头部关节点的坐标和肩部关节点的坐标，确定出每个人体的头部区域，包括：

13、对于任一人体，基于所述任一人体的鼻子坐标和左肩坐标，计算出目标坐标，其中，所述目标坐标、所述鼻子坐标和所述左肩坐标处于同一直线上，且所述鼻子坐标为所述目标坐标与所述左肩坐标连成的线段的中点坐标；

14、以所述任一人体的左肩坐标、右肩坐标和目标坐标对应的点为顶点，在所述待识别图像中，构建出第一三角形；

15、以所述第一三角形上的指定点为中心点，对所述第一三角形进行旋转处理，得到第二三角形，其中，指定点的坐标为所述任一人体的鼻子坐标，且第一三角形旋转的角度为180度；

16、利用所述第一三角形和所述第二三角形，组成一四边形区域，并以所述四边形区域中两对角线的交点为圆心，所述四边形区域中两对角线中最长的对角线为直径，构建出所述任一人体的头部外接圆；

17、求取出所述头部外接圆的外接矩形，并将所述外接矩形在所述待识别图像中围成的区域，作为所述任一人体的头部区域。

18、在一个可能的设计中，所述安全帽佩戴检测模型包括：骨干网络层、颈部网络层和输出层，其中，所述骨干网络层采用darknet-53网络层，所述输出层采用全卷积层，且所述darknet-53网络层包含有多个卷积层；

19、所述骨干网络层，用于利用多个卷积层，对输入的任一人体的头部区域对应的图像进行卷积处理，得到第一特征图；

20、所述颈部网络层，用于对所述第一特征图进行特征提取处理，得到第二特征图；

21、所述颈部网络层，还用于将所述骨干网络层中的第一目标卷积层输出的特征图和所述第二特征图进行特征融合处理，得到第三特征图，以及将所述第三特征图和所述骨干网络层中第二目标卷积层输出的特征图进行特征融合处理，得到第四特征图，其中，第一目标卷积层为所述骨干网络层内多个卷积层中的第45卷积层，所述第二目标卷积层为所述骨干网络层内多个卷积层中的第29卷积层，且所述第二特征图、所述第三特征图和所述第四特征图的尺度不同；

22、所述输出层，用于基于所述第二特征图、第三特征图和第四特征图，得出所述任一人体的安全牌佩戴检测结果。

23、在一个可能的设计中，所述颈部网络层包括第一卷积结构层、第一上采样层、第一特征拼接层、第二卷积结构层、第二上采样层、第二特征拼接层以及第三卷积结构层，其中，所述第一卷积结构层、所述第二卷积结构层和所述第三卷积结构层均包括多个1×1卷积层和3×3卷积层；

24、所述第一卷积结构层，用于基于对应的多个1×1卷积层和3×3卷积层，对所述第一特征图进行连续的卷积处理，以得到所述第二特征图；

25、所述第一上采样层，用于对所述第二特征图进行上采样处理，得到第一上采样特征图；

26、所述第一特征拼接层，用于对所述第一上采样特征图和所述第一目标卷积层输出的特征图进行特征拼接处理，得到第一特征融合图；

27、所述第二卷积结构层，用于基于对应的多个1×1卷积层和3×3卷积层，对所述第一特征融合层进行连续的卷积处理，以在连续的卷积处理后，得到所述第三特征图；

28、所述第二上采样特征图，用于对所述第三特征图进行上采样处理，得到第二上采样特征图；

29、所述第二特征拼接层，用于将所述第二上采样特征图和所述第二目标卷积层输出的特征图进行特征拼接处理，得到第二特征融合图；

30、所述第三卷积结构层，用于基于对应的多个1×1卷积层和3×3卷积层，对所述第二特征融合层进行连续的卷积处理，以在连续的卷积处理后，得到所述第四特征图。

31、在一个可能的设计中，所述安全帽佩戴检测模型的损失函数为：

32、

33、上述公式(1)中，l表示所述安全帽佩戴检测模型的损失函数，l1表示安全帽佩戴检测模型对输入的样本头部区域图像中的样本人体的头部进行类别识别时的类别损失函数，l2表示安全帽佩戴检测模型对输入的样本头部区域图像中的样本人体的头部进行检测时的检测框损失函数，γ,均为损失系数，其中，l2＝1-siou，且siou表示输入的样本头部区域图像中样本人体的头部进行检测时的预测框与真实框的损失交并比。

34、在一个可能的设计中，l1采用如下公式(2)计算得到；

35、l1＝-{zilogs(z′i)+(1-zi)log[1-s(z′i)]}    (2)

36、上述公式(2)中，zi表示以第i个样本头部区域图像为输入时，安全帽佩戴检测模型的输出值，z′i表示第i个样本头部区域图像的标签值，s表示sigmoid函数。

37、在一个可能的设计中，输入的样本头部区域图像中样本人体的头部进行检测时的预测框与真实框的损失交并比，采用如下公式(3)计算得到；

38、

39、上述公式(3)中，zi,a,zi,b依次表示以第i个样本头部区域图像为安全帽佩戴检测模型的输入时，第i个样本头部区域图像中样本人体的头部的真实框和预测框，iou(zi,a,zi,b)表示第i个样本头部区域图像中样本人体的头部的真实框与预测框之间的交并比，c表示包含第i个样本头部区域图像中样本人体的头部的真实框和预测框的最小封闭框的面积。

40、第二方面，提供了一种安全帽佩戴检测装置，包括：

41、图像获取单元，用于获取待识别图像，其中，所述待识别图像中包含有至少一个人体；

42、关节点检测单元，用于对所述待识别图像中的每个人体进行关节点检测处理，得到每个人体的头部关节点的坐标和肩部关节点的坐标；

43、头部区域提取单元，用于基于每个人体的头部关节点的坐标和肩部关节点的坐标，确定出每个人体的头部区域，并从所述待识别图像中，提取出每个人体的头部区域对应的图像；

44、安全帽佩戴检测单元，用于获取安全帽佩戴检测模型，其中，所述安全帽佩戴检测模型是以多个样本人体的样本头部区域图像为输入，每个样本人体的安全帽佩戴检测结果为输出而训练得到的；

45、安全帽佩戴检测单元，还用于将每个人体的头部区域对应的图像输入至所述安全帽佩戴检测模型中进行佩戴检测，得到每个人体的安全帽佩戴检测结果。

46、第三方面，提供了另一种安全帽佩戴检测装置，以装置为电子设备为例，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计的所述安全帽佩戴检测方法。

47、第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面或第一方面中任意一种可能设计的所述安全帽佩戴检测方法。

48、第五方面，提供了一种包含指令的计算机程序产品，当指令在计算机上运行时，使计算机执行如第一方面或第一方面中任意一种可能设计的所述安全帽佩戴检测方法。

49、有益效果：

50、(1)本发明采用机器识别方式，来提取出待识别图像中人体的头部区域图像，而后，再将提取出的头部区域图像输入至预先训练的安全帽佩戴检测模型中，从而来快速得出人员的安全帽佩戴检测结果；如此，相比于传统的人工盯梢方式，本发明的效率更高，人力成本更低，且可实现全天候的不间断监测，大幅提高了安全帽佩戴的监察效果；因此，本发明适应于在安全帽佩戴监测领域的大规模应用与推广。