(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 202211356734.4 (22)申请日 2022.11.01 (71)申请人 合肥中科类脑智能技 术有限公司 地址 230088 安徽省合肥市高新区望江西 路5089号中国科大先进技术研究院一 号嵌入式研发楼3楼 (72)发明人 康凯　艾坤　刘海峰　王子磊　 (74)专利代理 机构 合肥昊晟德专利代理事务所 (普通合伙) 3415 3 专利代理师 何梓秋 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/24(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于姿态校正的安全帽佩戴检测方法 (57)摘要 本发明公开了一种基于姿态校正的安全帽 佩戴检测方法， 属于安全用具佩戴检测技术领 域。 本发明结合人头目标的特点， 为人头检测器 附加人头关键点检测分支， 附加的分支兼容当前 主流的检测器， 通过引入额外的监督信息， 可 以 提高人头的检测精度； 通过检测到的人头关键点 对人头进行姿态校正， 可以减弱人头姿态对安全 帽佩戴等人头属性分类器的影响， 提高分类精 度； 在训练安全帽佩戴等人头属性分类器时采用 人头关键点随机抖动进行数据增强， 可以提高人 头属性分类 器的鲁棒 性。 权利要求书2页 说明书7页 附图3页 CN 115393905 A 2022.11.25 CN 115393905 A 1.一种基于姿态校正的安全帽佩戴检测方法， 其特 征在于， 包括以下步骤： S1： 将输入图像缩放到设定尺寸， 送入人头检测器， 同时检测得到人头包围盒和人头关 键点； S2： 对于检测到每个人头目标， 根据检测到的人头包围盒从输入图像 中截取人头图像； 根据检测的人头关键点和标准的人头关键点的对应关系计算对齐变换矩阵， 用对齐变换矩 阵将人头图像对齐到标准姿态和尺寸， 目标图像成为对齐的人头图像； 将对齐的人头图像 送入人头属 性分类器， 输出得到多种 人头属性； 利用输出 的人头属 性进行是否佩戴安全帽 的判别。 2.根据权利要求1所述的一种基于姿态校正的安全帽佩戴检测方法， 其特征在于： 在所 述步骤S1中， 所述人头检测 器包括第一骨干网络模块、 检测 头模块、 后处理模块， 所述检测 头模块包括三个分支， 分别为人头 分类分支、 人头检测分支和人头 关键点检测分支， 输入图 像先进入第一骨干网络模块得到多个空间尺度上的图像特征表示， 每个尺度的特征再送入 检测头模块中参数独立的三个分支， 分别得到人头置信度特征图、 人头包围盒特征图与人 头关键点坐标特征图， 人头置信度特征图、 人头包围盒特征图与人头关键点坐标特征图经 过所述后处 理模块处 理后得到最终的人头包围盒和人头关键点 坐标。 3.根据权利要求2所述的一种基于姿态校正的安全帽佩戴检测方法， 其特征在于： 在训 练所述人头检测器时， 每个分支引出一个损失项， 对于单个样本来说， 最 终损失函数的数学 形式为： 其中， 是人头分类损失项， 该损失项采用so ftmax交叉熵损失函数， 是预测 为人头的概率， 是目标的真实标签； 是人头包围盒回归损失项， 该损失项采用 Smooth‑L1损失函数， 是预测的人头包围盒， 是真实的人头包围盒； 是 人头关键点回归损失项， 该损失项采用Smooth ‑L1损失函数， 是预测的人头关键点， 是真 实的人头关键点； ， 损失项只对人头目标有效， 另外通过 和 来控制各损 失项之间的所占的权 重。 4.根据权利要求3所述的一种基于姿态校正的安全帽佩戴检测方法， 其特征在于： 在所 述步骤S2中， 设 是检测到的人头关键点， 是对应的标准人头关键点， ， ， 检测到的人头关键点和 标准人头关键点之间的关系用相似变换来建模， 如 下所示： 权　利　要　求　书 1/2 页 2 CN 115393905 A 2其中， 是相似变换矩阵, 是平移参 数， 为尺度参 数， 为旋转参数； 记 ， 利用 个对应点列写如下的方程： ； 把上式记为 ， 其中 ， 该方程是超定方程， 有最小二乘解为 ； 根据求得的 可以得到相似变换矩 阵 ； 将变换矩 阵 作用于人头图像 上即得到对齐后的人头图像。 5.根据权利要求4所述的一种基于姿态校正的安全帽佩戴检测方法， 其特征在于： 在所 述步骤S2中， 人头属性分类器包括第二骨干网络模块、 多个分类 分支， 多个 分类分支分别与 所述第二骨干网络模块连接， 输入图像先进入第二骨干网络模块得到图像的特征表示， 再 送入参数独立的分支， 得到与多种分类分支对应的多种人头属性。 6.根据权利要求5所述的一种基于姿态校正的安全帽佩戴检测方法， 其特征在于： 所述 分类分支的数量至少为两个， 分别为安全帽佩戴检测分支和安全帽颜色分类分支， 对应输 出安全帽佩戴置信度和安全帽各颜色的置信度。 7.根据权利要求5所述的一种基于姿态校正的安全帽佩戴检测方法， 其特征在于： 在训 练人头属性分类器时， 引入了人头 关键点随机抖动进 行数据增强， 具体操作如下： 输入人头 图像及其关键点， 将人头 关键点添加随机的偏移， 即随机抖动， 然后再对人头图像进 行对齐 操作。 8.根据权利要求7所述的一种基于姿态校正的安全帽佩戴检测方法， 其特征在于： 在所 述步骤S2中， 利用输出的人头属性进行 是否佩戴安全帽的判别方式包括以下步骤： A1： 预设一个阈值； A2： 当人头图像的安全帽佩戴置信度大于该阈值 时， 即判断该人佩戴了安全帽， 否则判 断该人未佩戴安全帽。权　利　要　求　书 2/2 页 3 CN 115393905 A 3