(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210079507.5 (22)申请日 2022.01.24 (71)申请人 上海电力大 学 地址 201306 上海市浦东 新区沪城环路 1851号 (72)发明人 孟繁星　魏为民　才智　刘畅　 张运琴　雷光裕　 (74)专利代理 机构 上海德昭知识产权代理有限 公司 31204 专利代理师 陈龙梅 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 40/16(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种轻量级检测佩戴安全帽的方法 (57)摘要 本发明提供了一种轻量级检测佩戴安全帽 的方法， 包括以下步骤： 步骤S1， 获取工 人佩戴安 全帽图像的数据集， 预处理后得到预处理数据 集； 步骤S2， 搭建轻量级检测佩戴安全帽网络模 型包括主干特征提取网络、 增强特征提取网络和 检测模块； 步骤S3， 通过主干特征提取网络得到 主干特征数据； 步骤S4， 通过增强特征提取网络 得到增强特征数据； 步骤S5， 通过检测模块得到 边界框和置信度评分； 步骤S6， 重复步骤S3至步 骤S5， 直到满足停止条件， 得到训练后的轻量级 检测佩戴安全帽网络模型； 步骤S7， 获取待检测 图像并进行预处理后输入到轻量级检测佩戴安 全帽网络模型， 得到边界框和置信度评分； 步骤 S8， 根据置信 度评分与预先设定的阈值比较判断 是否佩戴安全帽 。 权利要求书1页 说明书6页 附图4页 CN 114529736 A 2022.05.24 CN 114529736 A 1.一种轻量级检测佩戴安全帽的方法， 其特 征在于， 包括以下步骤： 步骤S1， 采集获取工人佩戴安全帽图像的数据集， 并进行 预处理， 得到预处 理数据集； 步骤S2， 搭建轻量级检测佩戴安全帽网络模型， 该轻量级检测佩戴安全帽网络模型包 括主干特 征提取网络、 增强特 征提取网络和检测模块； 步骤S3， 将所述预处 理数据集输入到所述主干特 征提取网络， 得到主干特 征数据； 步骤S4， 将所述主干特 征数据输入到所述增强特 征提取网络， 得到增强特 征数据； 步骤S5， 将所述增强特征数据输入到所述检测模块， 得到边界框和置信度评分， 根据所 述边界框和步骤S1中所述数据集进行 预处理时的边框调整所述 边界框的位置和大小； 步骤S6， 重复步骤S3至步骤S5， 直到满足停止条件， 得到完成训练的所述轻量级检测佩 戴安全帽网络模型； 步骤S7， 获取待检测图像并进行所述预处理后输入到所述完成训练的所述轻量级检测 佩戴安全帽网络模型， 得到所述待检测图像的所述 边界框和所述置信度评分； 步骤S8， 根据 所述待检测图像的所述置信度评分与预先设定的阈值比较判断所述置信 度评分是否大于阈值， 如果大于阈值则判定为佩戴安全帽， 反 之， 则判定为未佩戴安全帽。 2.根据权利要求1所述的一种轻量级检测佩戴安全帽的方法， 其特 征在于： 其中， 所述主干特 征提取网络包括多个N ‑Bottleneck结构， 每个所述N‑Bottleneck结构包括卷积 操作、 归一 化和激活函数， 所述激活函数为ELU6 激活函数。 3.根据权利要求1所述的一种轻量级检测佩戴安全帽的方法， 其特 征在于： 其中， 步骤S1中， 所述预处 理包括数据清洗和数据变换， 所述数据变换包括灰度化、 图像几何变换以及图像增强。 4.根据权利要求3所述的一种轻量级检测佩戴安全帽的方法， 其特 征在于： 其中， 所述灰度化采用加权平均法， 表达式为： L＝R*299/100+G*587/1000+B*114/1000    (1) 公式(1)中， L 为图像的灰度值， R为红色亮度， G为绿色亮度， B为蓝色亮度。 5.根据权利要求3所述的一种轻量级检测佩戴安全帽的方法， 其特 征在于： 其中， 所述图像几何变换包括平 移、 转置、 镜像、 旋转、 缩放。 6.根据权利要求1所述的一种轻量级检测佩戴安全帽的方法， 其特 征在于： 其中， 步骤S6中， 所述停止条件为损失函数LOS S下降趋势 停止或者 开始上升 。权　利　要　求　书 1/1 页 2 CN 114529736 A 2一种轻量级检测佩 戴安全帽 的方法 技术领域 [0001]本发明涉及 一种检测佩戴安全帽的方法， 具体涉及一种轻量级检测佩戴安全帽的 方法。 背景技术 [0002]安全生产关系人民群众的生命财产安全， 其中复杂环境中佩戴安全帽发挥着举足 轻重的作用。 安全帽可以保护人体致命部位头部， 免受和减轻物体的打击或硬物的碰撞力 度， 最大程度缩小对头部的伤害。 一些生产场所对安全帽的佩戴检测主要通过工作人员监 督的方式， 这种方式费时费力。 因此， 可以考虑通过目标检测方法对安全帽的佩戴进行检 测。 [0003]传统的目标检测方法大概分为区域选择、 特征提取、 分类器三部分。 传统目标检测 存在两方面的不足： 基于滑动窗口的区域选择策略没有针对性、 时间复杂度高、 窗口冗余， 严重影响后续特征提取和分类的速度和性能； 手工 设计的特征对于目标多样性的变化没有 很好的鲁棒 性。 发明内容 [0004]本发明是为了解决上述问题而进行的， 目的在于提供一种轻量级检测佩戴安全帽 的方法。 [0005]本发明提供了一种轻量级检测佩戴安全帽 的方法， 具有这样的特征， 包括以下步 骤： 步骤S1， 采集获取工人佩戴安全帽图像的数据集， 并进行 预处理， 得到预处 理数据集； [0006]步骤S2， 搭建轻量级检测佩戴安全帽网络模型， 该轻量级检测佩戴安全帽网络模 型包括主干特 征提取网络、 增强特 征提取网络和检测模块； [0007]步骤S3， 将预处 理数据集输入到主干特 征提取网络， 得到主干特 征数据； [0008]步骤S4， 将主干特 征数据输入到增强特 征提取网络， 得到增强特 征数据； [0009]步骤S5， 将增强特征数据输入到检测模块， 得到边界框和置信度评分， 根据边界框 和步骤S1中数据集进行 预处理时的边框调整边界框的位置和大小； [0010]步骤S6， 重复步骤S3至步骤S5， 直到满足停止条件， 得到完成训练的轻量级检测佩 戴安全帽网络模型； [0011]步骤S7， 获取待检测图像并进行预处理后输入到完成训练的轻量级检测佩戴安全 帽网络模型， 得到待检测图像的边界框和置信度评分； [0012]步骤S8， 根据待检测图像的置信度评分与预先设定的阈值比较判断置信度评分是 否大于阈值， 如果大于阈值则判定为佩戴安全帽， 反 之， 则判定为未佩戴安全帽。 [0013]在本发明提供的一种轻量级检测佩戴安全帽的方法中， 还可以具有这样的特征： 其中， 主干特 征提取网络包括多个N ‑Bottleneck结构， [0014]每个N‑Bottleneck结构包括卷积 操作、 归一 化和激活函数， [0015]激活函数为ELU6 激活函数。说　明　书 1/6 页 3 CN 114529736 A 3