(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 202210395843.0 (22)申请日 2022.04.15 (71)申请人 深圳小湃科技有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区高薪南一道008号创维 大厦A806 (72)发明人 王晓晖　梁婷　李彬　李昌毅　 张杏婵　韦佳旭　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 林川靖 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/46(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 骑行安全检测方法、 电子设备及可读存储介 质 (57)摘要 本申请公开了骑行安全检测方法、 电子设备 及可读存储介质， 应用于图像识别技术领域， 所 述骑行安全检测方法包括： 获取待检测目标对应 的骑行图像以及头盔检测模型， 其中， 所述头盔 检测模型包括主干特征提取网络和识别网络； 通 过抽取所述主干特征提取网络针对于所述骑行 图像的隐藏层输出， 生成对应的中间图像特征； 获取所述主干特征提取网络针对于所述骑行图 像的主干网络输出图像特征； 将所述中间图像特 征和所述主干网络输出图像特征进行融合， 得到 显著融合图像特征； 通过将所述显著融合图像特 征输入所述识别网络， 对所述待检测目标进行骑 行安全检测， 得到骑行安全检测结果。 本申请解 决了现有技术中骑行安全检测准确性低的技术 问题。 权利要求书2页 说明书13页 附图2页 CN 114758308 A 2022.07.15 CN 114758308 A 1.一种骑行安全检测方法， 其特 征在于， 所述 骑行安全检测方法包括： 获取待检测目标对应的骑行图像以及头盔检测模型， 其中， 所述头盔检测模型包括主 干特征提取网络和识别网络； 通过抽取所述主干特征提取网络针对于所述骑行图像的隐藏层输出， 生成对应的中间 图像特征； 获取所述主干特 征提取网络针对于所述 骑行图像的主干网络 输出图像特 征； 将所述中间图像特征和所述主干网络输出图像特征进行融合， 得到显著融合图像特 征； 通过将所述显著融合图像特征输入所述识别网络， 对所述待检测目标进行骑行安全检 测， 得到骑行安全检测结果。 2.如权利要求1所述骑行安全检测方法， 其特征在于， 所述通过抽取所述主干特征提取 网络针对于所述 骑行图像的隐藏层输出， 生成对应的中间图像特 征的步骤 包括： 对所述隐藏层输出进行编码， 得到编码结果； 将所述编码结果进行解码， 得到解码结果； 将所述解码结果映射至预设特 征维度， 得到所述中间图像特 征。 3.如权利要求1所述骑行安全检测方法， 其特征在于， 所述将所述中间图像特征和所述 主干网络 输出图像特 征进行融合， 得到 显著融合图像特 征的步骤 包括： 将所述中间图像特 征和所述主干网络 输出图像特 征进行点乘， 得到点乘结果； 将所述点乘结果与所述主干网络输出图像特征进行拼接， 得到所述显著融合图像特 征。 4.如权利要求1所述骑行安全检测方法， 其特征在于， 所述识别网络包括目标检测网 络， 所述通过将所述显著融合图像特征输入所述识别网络， 对所述待检测目标进行骑行安 全检测， 得到骑行安全检测结果的步骤 包括： 通过将所述显著融合图像特征输入所述目标检测网络， 检测所述待检测目标是否佩戴 头盔， 得到 头盔佩戴检测结果； 依据所述头盔佩戴检测结果， 对所述待检测目标进行骑行安全检测， 得到骑行安全检 测结果。 5.如权利要求4所述骑行安全检测方法， 其特征在于， 所述识别网络包括头盔属性识别 网络， 所述依据所述头盔佩戴检测结果， 对所述待检测目标进 行骑行安全检测， 得到骑行安 全检测结果的步骤 包括： 当所述头盔佩戴检测结果为所述待检测目标已佩戴头盔 时， 将所述显著融合图像特征 输入所述头盔属性识别网络， 检测所述待检测目标 是否正确佩戴头盔； 若是， 则判定所述 骑行安全检测结果 为安全； 若否， 则判定所述 骑行安全检测结果 为不安全； 当所述头盔佩戴检测结果为所述待检测目标未佩戴头盔 时， 则判定所述骑行安全检测 结果为不安全。 6.如权利要求1所述骑行安全检测方法， 其特征在于， 在所述通过将所述显著融合图像 特征输入所述识别网络， 对所述待检测目标进行骑行安全检测， 得到骑行安全检测结果的 步骤之前， 所述 骑行安全检测方法还 包括：权　利　要　求　书 1/2 页 2 CN 114758308 A 2获取待训练头盔检测模型、 骑行目标对应的训练样本以及所述训练样本对应的真实标 签， 其中， 所述待训练头盔检测模型包括待训练主干特 征提取网络和待训练识别网络； 依据所述训练样本以及所述待训练主干特 征提取网络， 确定训练显著融合图像特 征； 通过将所述训练显著融合特征输入所述待训练识别网络， 对所述骑行目标进行头盔佩 戴检测， 得到训练头盔佩戴检测结果； 依据所述训练头盔佩戴检测结果对应的输出标签与所述真实标签， 构建所述待训练头 盔检测模型的模型损失； 依据模型损失， 对所述待训练头盔检测模型进行迭代优化， 得到 头盔检测模型。 7.如权利要求6所述骑行安全检测方法， 其特征在于， 所述依据 所述训练样本以及所述 待训练主干特 征提取网络， 确定训练显著融合图像特 征的步骤 包括： 通过抽取所述待训练主干特征提取网络针对于所述训练样本的隐藏层输出， 生成对应 的训练中间图像特 征； 获取所述待训练主干特征提取网络针对于所述训练样本的训练主干网络输出图像特 征； 将所述训练中间图像特征和所述训练主干网络输出图像特征进行融合， 得到训练显著 融合图像特 征。 8.如权利要求6所述骑行安全检测方法， 其特征在于， 所述依据 所述训练头盔佩戴检测 结果对应的输出标签与所述真实标签， 构建所述待训练头盔检测模型的模 型损失的步骤包 括： 获取所述训练样本中正样本和负 样本占比对应的类别平衡系数； 依据所述类别平衡系数、 所述输出标签和所述真实标签， 计算所述待训练头盔检测模 型的模型损失。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行权利要求 1至8中任一项 所述的骑行安全检测 方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有实现骑 行安全检测方法的程序， 所述实现骑行安全检测方法的程序被处理器执行以实现如权利要 求1至8中任一项所述 骑行安全检测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114758308 A 3