一种未佩戴安全帽检测方法、装置、电子设备及存储介质与流程

本发明涉及电力安全，具体涉及一种未佩戴安全帽检测方法、装置、电子设备及存储介质。

背景技术：

1、输电线路现场复杂，环境恶劣，佩戴安全帽是基本规范。未戴安全帽的工人可能面临触电、物体打击和气象条件不良等危险，容易造成人员伤亡和财产损失。因此，自动检测工人未戴安全帽非常重要。而输电线路工人佩戴的安全帽种类较多，包括普通塑料安全帽、防冲击安全帽、绝缘安全帽等，每种安全帽的特点和功能都不同，因此不同安全帽的检测难点也不同，需要根据实际情况选择合适的检测方法。

2、相关技术中，基本上是使用一种数据源(即，可见光图像)来对工人进行未佩戴安全帽检测，由于不同材质的安全帽在颜色、纹理等方面的差异性不大，导致检测算法的准确率不高。

3、由此可见，相关技术中存在对未佩戴安全帽检测的检测算法的准确率不高的问题。

技术实现思路

1、本发明的目的之一在于提供一种未佩戴安全帽检测方法，以解决现有技术中存在对未佩戴安全帽检测的检测算法的准确率不高的问题；目的之二在于提供一种未佩戴安全帽检测装置；目的之三在于提供一种电子设备；目的之四在于提供一种计算机可读的存储介质。

2、为了实现上述目的，本发明采用的技术方案如下：

3、获取对同一个目标检测场景进行图像采集得到的可见光图像和偏振图像；

4、对所述可见光图像进行特征提取，得到可见特征；对所述偏振图像进行特征提取，得到偏振特征；

5、对所述可见特征和所述偏振特征进行特征融合，得到融合特征；

6、使用所述可见特征、所述偏振特征和所述融合特征确定出所述目标检测场景中未佩戴安全帽人员的位置。

7、根据上述技术手段，由于通过使用可见光图像和偏振图像多源数据来检测目标检测场景中未佩戴安全帽人员，其中，使用偏振图像检测时能够对不同材质的安全帽都有较好的检测效果，从而提升未戴安全帽的检测率，而且对可见特征和偏振特征这两个不同源特征进行融合得到融合特征，并使用这三种特征：可见特征、偏振特征和融合特征来综合预测，能进一步提升未戴安全帽的检测率，从而提升了模型检测效果。

8、进一步，所述对所述可见光图像进行特征提取，得到可见特征，包括：

9、将所述可见光图像输入孪生mobilenet网络，得到所述可见光图像的所述可见特征；

10、所述对所述偏振图像进行特征提取，得到偏振特征，包括：

11、将所述偏振图像输入孪生mobilenet网络，得到所述偏振图像的所述偏振特征。

12、根据上述技术手段，通过提取可见光图像和偏振图像的特征，并使用两个不同源特征对目标检测场景中未戴安全帽的人员进行检测，由于使用了偏振特征提高了对不同材质的安全帽的检测效果，从而提升未戴安全帽的检测率。

13、进一步，所述对所述可见特征和所述偏振特征进行特征融合，得到融合特征，包括：

14、将所述可见特征和所述偏振特征进行拼接，得到拼接特征；

15、对所述拼接特征进行位置编码，得到所述拼接特征的目标位置编码；

16、将所述拼接特征和所述目标位置编码输入编码模块，得到所述融合特征对应的融合特征向量；

17、将所述融合特征向量转化成与原特征层大小一致的所述融合特征，其中，所述原特征层大小为所述可见特征的特征层大小，且所述可见特征的特征层大小与所述偏振特征的特征层大小一致。

18、根据上述技术手段，由于对可见特征和偏振特征这两个不同源特征进行融合得到融合特征，从而提升检测模型特征表达能力，从而提升未戴安全帽的检测率。

19、进一步，所述将所述拼接特征和所述目标位置编码输入编码模块，得到所述融合特征对应的融合特征向量，包括：

20、采用多头自注意力机制，通过所述编码模块中的多个编码器对所述拼接特征和所述目标位置编码进行处理，得到所述融合特征对应的融合特征向量。

21、根据上述技术手段，采用多头自注意力机制，可以帮助检测模型更好地理解图像中的特征，提高检测模型的分类准确率和泛化能力，从而提升未戴安全帽的检测率。

22、进一步，所述采用多头自注意力机制，通过所述编码模块中的多个编码器对所述拼接特征和所述目标位置编码进行处理，得到所述融合特征对应的融合特征向量，包括：

23、循环执行以下循环操作，直至得到所述编码模块中的最后一个编码器输出的输出值为止：

24、将当前输入值以及所述目标位置编码输入当前编码器，得到由所述当前编码器输出的当前输出值，其中，在所述当前编码器为所述编码模块中的第一个编码器的情况下，所述当前输入值为所述拼接特征；

25、在所述当前编码器不是所述编码模块的最后一个编码器的情况下，通过所述当前输出值对所述当前输入值进行更新，将所述当前编码器的下一个编码器确定为所述当前编码器；

26、在所述当前编码器是所述编码模块的最后一个编码器的情况下，跳出所述循环操作；

27、将所述最后一个编码器输出的输出值确定为所述融合特征向量。

28、根据上述技术手段，采用多头自注意力机制，可以帮助检测模型更好地理解图像中的特征，提高检测模型的分类准确率和泛化能力，从而提升未戴安全帽的检测率。

29、进一步，使用所述可见特征、所述偏振特征和所述融合特征确定出所述目标检测场景中未佩戴安全帽人员的位置，包括：

30、通过所述可见特征，对所述目标检测场景中未佩戴安全帽人员的位置进行第一预测操作，得到第一位置预测结果；

31、通过所述偏振特征，对所述目标检测场景中未佩戴安全帽人员的位置进行第二预测操作，得到第二位置预测结果；

32、通过所述融合特征，对所述目标检测场景中未佩戴安全帽人员的位置进行第三预测操作，得到第三位置预测结果；

33、通过对所述第一位置预测结果、第二位置预测结果和所述第三位置预测结果进行去重操作，确定出所述目标检测场景中所有未佩戴安全帽人员的位置。

34、根据上述技术手段，使用三种特征，可见特征、偏振特征和融合特征来综合预测目标检测场景中未佩戴安全帽人员的位置，能够有效提升未戴安全帽的检测率。

35、进一步，上述任一实施例中的方法还包括：

36、在所述目标检测场景中未佩戴安全帽人员的位置的置信度高于预设置信度阈值时，发出报警信号。

37、根据上述技术手段，可以防止误报和漏报的情况发生，并且在检测出未佩戴安全帽人员时及时报警，可以对未戴安全帽人员及时采取措施，以确保人员安全以及输电线路的正常运行和安全性。

38、根据本技术实施例的又一个方面，还提供了一种未佩戴安全帽检测装置，包括：

39、图像获取模块，用于获取对同一个目标检测场景进行图像采集得到的可见光图像和偏振图像；

40、特征提取模块，用于对所述可见光图像进行特征提取，得到可见特征；对所述偏振图像进行特征提取，得到偏振特征；

41、特征融合模块，用于对所述可见特征和所述偏振特征进行特征融合，得到融合特征；

42、位置预测模块，用于使用所述可见特征、所述偏振特征和所述融合特征确定出所述目标检测场景中未佩戴安全帽人员的位置。

43、根据本技术实施例的又一个方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；其中，存储器，用于存储计算机程序；处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。

44、根据本技术实施例的又一个方面，还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。

45、本发明的有益效果：

46、本发明通过获取对同一个目标检测场景进行图像采集得到的可见光图像和偏振图像；对所述可见光图像进行特征提取，得到可见特征；对所述偏振图像进行特征提取，得到偏振特征；对所述可见特征和所述偏振特征进行特征融合，得到融合特征；使用所述可见特征、所述偏振特征和所述融合特征确定出所述目标检测场景中未佩戴安全帽人员的位置，由于通过使用可见光图像和偏振图像多源数据来检测目标检测场景中未佩戴安全帽人员，其中，使用偏振图像检测时能够对不同材质的安全帽都有较好的检测效果，从而提升未戴安全帽的检测率，而且对可见特征和偏振特征这两个不同源特征进行融合得到融合特征，并使用这三种特征：可见特征、偏振特征和融合特征来综合预测，能进一步提升未戴安全帽的检测率，从而提升了模型检测效果。