[发明专利]改进EfficientNet用于安全带检测的方法

说明书

本发明公开的改进EfficientNet用于安全带检测的方法，具体按照以下步骤实施：步骤1、构造安全带区域定位数据集；步骤2、构建驾驶员区域定位神经网络；步骤3、设置损失函数、网络优化算法及所有超参数；步骤4、根据步骤3设置的卷积神经网络的损失函数；步骤5、对网络模型权重进行测试实验；步骤6、得出主驾驶位区域框；步骤7、对数据集进行格式转换；步骤8、设计网络各层参数；步骤9、需要的损失函数、网络优化算法及所有超参数；步骤10、对步骤8构建的EfficientNet网络进行训练；步骤11、判断汽车驾驶员是否佩戴安全带。该方法能够在增加安全带检测精度的同时，模型参数量最小。

技术领域

本发明属于图像处理方法技术领域，具体涉及一种改进EfficientNet用于安全带检测的方法。

背景技术

图像是人类获取信息、表达信息和传递信息的重要手段之一。近年来,随着机动车数量的不断增加,交通安全事故越来越多。事故发生时,是否佩戴安全带能够最大限度地保护驾驶员的生命安全；安全带主要通过人工方式判断道路交通视频中驾驶员是否佩戴安全带,检测效率较低。随着机器视觉研究的发展,基于图像识别的交通检测方式已成为必然趋势。通过对驾驶员是否佩戴安全带进行检测并处罚，可以有效的减少事故发生时的生命损失。

在交通视频监控中，有很多因素影响车辆目标检测的准确率，包括复杂的道路环境，光照和天气变化等。天气或光照不同时，驾驶员区域的特征信息复杂，传统的目标定位算法精度低，无法满足实际所需。

发明内容

本发明的目的是提供一种改进EfficientNet用于安全带检测的方法，该方法能够在增加安全带检测精度的同时，模型参数量最小。

本发明所采用的技术方案是，改进EfficientNet用于安全带检测的方法，具体按照以下步骤实施：

步骤1、构造安全带区域定位数据集，随机分为训练集和测试集，并对训练集和测试集进行格式转换；通过聚类算法得出数据集中目标框的长宽的集中值，作为先验框；

步骤2、构建驾驶员区域定位神经网络；神经网络包括有特征提取网络和路径聚合网络结构，设置特征提取网络结构和路径聚合网络结构的每层参数；

步骤3、设置步骤2所构建神经网络训练时需要的损失函数、网络优化算法及所有超参数；损失函数为自定义联合损失函数；

步骤4、根据步骤3设置的卷积神经网络的损失函数、网络优化算法对步骤2构建的卷积神经网络进行训练；并保存网络模型权重；

步骤5、对步骤1中的测试集通过步骤4中得到的网络模型权重进行测试实验；

步骤6、对步骤5中预测出的前挡风玻璃区域框的结果进行目标几何的重定位，得出主驾驶位区域框；

步骤7、根据步骤6中主驾驶位区域框提取该区域图片信息，构造安全带检测数据集，并对数据集进行格式转换，随机分为训练集和测试集；

步骤8、搭建具有像素注意力模块和通道注意力模块的EfficientNet网络并设计网络各层参数；

步骤9、设置步骤8所构建的具有像素注意力模块和通道注意力模块的EfficientNet网络训练时需要的损失函数、网络优化算法及所有超参数，损失函数为加入正则化的交叉熵损失函数；

步骤10、根据步骤9设置的具有像素注意力模块和通道注意力模块的EfficientNet网络的损失函数、网络优化算法对步骤8构建的具有像素注意力模块和通道注意力模块的EfficientNet网络进行训练，每迭代一次保存一次模型，迭代多次后选择准确率最高的网络模型；

步骤11、对步骤7中的测试集通过步骤10中得到的网络模型权重进行预测，判断汽车驾驶员是否佩戴安全带。

本发明的特征还在于，