[发明专利]安全帽的检测方法、装置、计算机设备及存储介质

权利要求书

1.一种安全帽的检测方法，其特征在于，包括：

获取目标检测图像，其中，目标检测图像中包括至少一个检测对象；

将目标检测图像输入至预先训练的检测模型中，并获取检测模型输出的，在所述目标检测图像中检测得到的至少一个检测对象的头部所在区域；

根据检测模型输出的检测结果，在目标检测图像中分别截取各检测对象的头部区域图像；

将各检测对象的头部区域图像分别输入至分类模型中，并获取分类模型输出的各检测对象是否佩戴安全帽，或者是否佩戴设定颜色的安全帽的分类结果。

2.根据权利要求1所述的方法，其特征在于，在将目标检测图像输入至预先训练的检测模型中之前，还包括：

获取预先标注有样本对象的头部所在区域的多个检测图像样本，并将各所述检测图像样本划分为训练样本集和测试样本集；

使用训练样本集和测试样本集对第一机器学习模型进行迭代训练和测试，直至所述第一机器学习模型的检测精度达到预设的检测精度阈值，以得到所述检测模型。

3.根据权利要求2所述的方法，其特征在于，所述第一机器学习模型为融合特征金字塔网络和单次多边框检测器SSD网络的模型；

将目标检测图像输入至预先训练的检测模型中，并获取检测模型输出的，在所述目标检测图像中检测得到的至少一个检测对象的头部所在区域，包括：

将目标检测图像输入至预先训练的检测模型中；

通过所述检测模型中的SSD网络输出多个不同尺度的特征图，并将各特征图输入至所述特征金字塔网络中，得到融合高低分辨率特征后的多个新的融合特征图；

通过所述特征金字塔网络将所述多个新的融合特征图输入至候选框检测网络中，在所述目标检测图像中标注得到至少一个头部区域候选框；

通过所述候选框检测网络将标注有所述头部区域候选框的目标检测图像输入至非极大值抑制网络中，获取在所述目标检测图像中检测得到的至少一个检测对象的头部区域。

4.根据权利要求1所述的方法，其特征在于，在将各检测对象的头部区域图像分别输入至分类模型中之前，还包括：

获取与安全帽检测需求匹配的多个安全帽图像样本，并将各所述安全帽图像样本划分为训练样本集和测试样本集；

使用训练样本集和测试样本集对第二机器学习模型进行迭代训练和测试，直至所述第二机器学习模型的分类精度达到预设的分类精度阈值，以得到所述分类模型。

5.根据权利要求4所述的方法，其特征在于，获取与安全帽检测需求匹配的多个安全帽图像样本，包括下述至少一项：

响应于不限颜色的安全帽检测需求，获取多个不同颜色的第一类安全帽图像样本；

响应于目标颜色的安全帽检测需求，获取多个所述目标颜色的第二类安全帽图像样本；以及

响应于对安全帽和安全帽颜色的检测需求，获取多个不同颜色的第三类安全帽图像样本，各所述第三类安全帽图像样本中预先标注有匹配的安全帽颜色。

6.根据权利要求5所述的方法，其特征在于，所述第二机器学习模型为改进InceptionV3模型，所述改进InceptionV3模型中包括的改进Inception模块的数量值，小于标准InceptionV3模型中的标准Inception模块的数量值；

其中，改进Inception模块中仅包括：相连的卷积网络和激活网络；所述激活网络中使用带参数的线性整流函数作为激活函数。