CN112232313A - 视频中人员安全帽佩戴状态的检测方法、装置及电子设备 - Google Patents

Abstract

本公开实施例提供了一种视频中人员安全帽佩戴状态的检测方法、装置及电子设备，属于图像处理技术领域。其中方法包括：获取当前视频中包含目标对象的实时图像；从所述实时图像中确定所述目标对象的关键骨骼点；根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域；利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。通过本公开的方案，提高了视频中人员安全帽佩戴状态的检测及时性和准确性。

Description

视频中人员安全帽佩戴状态的检测方法、装置及电子设备

技术领域

本公开涉及图像处理技术领域，尤其涉及一种视频中人员安全帽佩戴状态的检测方法、装置及电子设备。

背景技术

工地、配电间等工作环境，对作业人员的着装、行为有特殊要求，如有作业区域限制，即某些区域禁止人员进入、禁止下去的井道等；有着装要求限制，即需要标准佩戴安全帽、穿着工装服、佩戴绝缘手套、穿戴绝缘靴等。当前已有针对这些场景的监控设备，但缺乏对监控画面中人员安全帽佩戴状态的实时检测分析，导致只能在很多危险发生后，回查当时的监控画面，无法做到提前预警和警示，更无法有效的规范工作人员的着装和作业行为。

可见，现有的安全帽检测方案存在无法实时检测、检测准确性较差的技术问题。

发明内容

有鉴于此，本公开实施例提供一种视频中人员安全帽佩戴状态的检测，至少部分解决现有技术中存在的问题。

第一方面，本公开实施例提供了一种视频中人员安全帽佩戴状态的检测方法，包括：

获取当前视频中包含目标对象的实时图像；

从所述实时图像中确定所述目标对象的关键骨骼点；

根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域；

利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；

若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。

根据本公开实施例的一种具体实现方式，所述从所述实时图像中确定所述目标对象的关键骨骼点的步骤，包括：

利用人体检测算法，从所述实时图像中确定对应所述目标对象的人体检测框；

利用所述人体检测框依次预测所述目标对象的姿态，得到所述目标对象的多个备用骨骼点；

从所确定的多个备用骨骼点中，筛选出来五个关键骨骼点，五个所述关键骨骼点包括左侧肩部骨骼点、右侧肩部骨骼点、中央颈部骨骼点、左侧眼眶骨骼点和右侧眼眶骨骼点。

根据本公开实施例的一种具体实现方式，所述根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域的步骤，包括：

以所述左侧肩部骨骼点、右侧肩部骨骼点和中央颈部骨骼点为基准绘制底部边缘线；

以所述左侧眼眶骨骼点和右侧眼眶骨骼点为基准绘制中线；

以所述中线为基准绘制与所述底部边缘线对称的顶部边缘线；

根据所述顶部边缘线和所述底部边缘线绘制矩形的所述头部检测区域。

根据本公开实施例的一种具体实现方式，所述以所述中线为基准绘制与所述底部边缘线对称的顶部边缘线的步骤之后，所述方法还包括：

判断所述顶部边缘线是否低于或者等于所述实时图像的顶部边界线；

若所述顶部边缘线低于或者等于所述实时图像的顶部边界线，保持所述顶部边缘线不变；

若所述顶部边缘线高于所述实时图像的顶部边界线，以所述实时图像的顶部边界线作为所述顶部边缘线。

根据本公开实施例的一种具体实现方式，所述利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征的步骤之后，所述方法还包括：

若所述头部检测区域不存在安全帽特征，则确定所述目标对象处于安全帽未佩戴状态，发起语音报警。

根据本公开实施例的一种具体实现方式，所述利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征的步骤之前，所述方法还包括：

获取预设数量的样本图像，其中，所述样本图像为包括头部佩戴安全帽特征的图像和头部未佩戴安全帽特征的图像；

利用全部所述样本图像训练神经网络模型，得到能够检测图像中头部安全帽佩戴状态的二分类模型，作为所述安全帽检测模型。

根据本公开实施例的一种具体实现方式，所述神经网络模型为Alex Net、ResNet、Mobile Net、VGG中的任一种。

第二方面，本公开实施例提供了一种视频中人员安全帽佩戴状态的检测装置，包括：

获取模块，用于获取当前视频中包含目标对象的实时图像；

第一确定模块，用于从所述实时图像中确定所述目标对象的关键骨骼点；

第二确定模块，用于根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域；

判断模块，用于利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；

第三确定模块，用于若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。

第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的视频中人员安全帽佩戴状态的检测方法。

第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的视频中人员安全帽佩戴状态的检测方法。

第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的视频中人员安全帽佩戴状态的检测方法。

本公开实施例中的视频中人员安全帽佩戴状态的检测方案，包括：获取当前视频中包含目标对象的实时图像；从所述实时图像中确定所述目标对象的关键骨骼点；根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域；利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。通过本公开的方案，提高了视频中人员安全帽佩戴状态的检测及时性和准确性。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本公开实施例提供的一种视频中人员安全帽佩戴状态的检测方法的流程示意图；

图2为本公开实施例提供的另一种视频中人员安全帽佩戴状态的检测方法的部分流程示意图；

图3为本公开实施例提供的另一种视频中人员安全帽佩戴状态的检测方法的部分流程示意图；

图4为本公开实施例提供的另一种视频中人员安全帽佩戴状态的检测方法的部分流程示意图；

图5为本公开实施例提供的一种视频中人员安全帽佩戴状态的检测装置的结构示意图；

图6为本公开实施例提供的电子设备的示意图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种视频中人员安全帽佩戴状态的检测方法。本实施例提供的视频中人员安全帽佩戴状态的检测方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。

参见图1，为本公开实施例提供的一种视频中人员安全帽佩戴状态的检测方法的流程示意图。如图1所示，所述方法包括：

S101，获取当前视频中包含目标对象的实时图像；

本实施例提供的检测方法，用于对视频中人员进行实时检测，检测视频中出现的人员的安全帽佩戴状态。首先，获取当前视频中的实时图像，此处实时图像中出现待检测的人物对象，将出现在实时图像中的人物对象定义为待检测的目标对象。电子设备可以不间断的获取视频中出现人物对象的全部实时图像，也可以周期性地获取实时图像。

S102，从所述实时图像中确定所述目标对象的关键骨骼点；

在获取实时图像后，即从该实时图像中获取目标对象对应的骨骼点中可用于后续检测的关键骨骼点，例如人脸区域的肩部骨骼点、眼眶骨骼点等。

S103，根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域；

依据对应人脸区域的关键骨骼点，即可扩框，确定对应该实时图像中的目标对象的头部检测区域。扩框的具体实现方式可以有多种，以能够框选出佩戴安全帽的头部区域为准，不作限定。

S104，利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；

S105，若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。

电子设备内预先设置有安全帽检测模型，该模型可以通过训练得到，具备在图像中检测出是否存在安全帽特征的功能。依据上述步骤确定了实时图像中目标对象的头部检测区域后，即可利用该安全帽检测模型检测该头部检测区域内是否存在安全帽特征，若存在，则确定所述目标对象处于安全帽佩戴状态。

相应的，所述利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征的步骤之后，所述方法还可以包括：

若所述头部检测区域不存在安全帽特征，则确定所述目标对象处于安全帽未佩戴状态，发起语音报警。

利用该安全帽检测模型检测实时图像的头部检测区域，若未检测到安全帽特征，则确定该目标对象未佩戴安全帽。此时，电子设备可以直接发起语音报警，提示相关人员处理施工现场人员未佩戴安全帽的情况。此外，电子设备还可以通过采集视频的摄像头位置以及实时图像中目标对象的背景来确定该目标对象的实时位置，或者通过该目标对象的面部特征识别该目标对象的身份，来进一步详细地确定该目标对象的位置或者身份。

上述本公开实施例中的视频中人员安全帽佩戴状态的检测方案，包括：获取当前视频中包含目标对象的实时图像；从所述实时图像中确定所述目标对象的关键骨骼点；根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域；利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。通过本公开的方案，提高了视频中人员安全帽佩戴状态的检测及时性和准确性。

如图2所示，根据本公开实施例的一种具体实现方式，所述从所述实时图像中确定所述目标对象的关键骨骼点的步骤，可以包括：

S201，利用人体检测算法，从所述实时图像中确定对应所述目标对象的人体检测框；

S202，利用所述人体检测框依次预测所述目标对象的姿态，得到所述目标对象的多个备用骨骼点；

S203，从所确定的多个备用骨骼点中，筛选出来五个关键骨骼点，五个所述关键骨骼点包括左侧肩部骨骼点、右侧肩部骨骼点、中央颈部骨骼点、左侧眼眶骨骼点和右侧眼眶骨骼点。

本实施方式中，从实时图像中确定目标对象的关键骨骼点时，可以利用AlphaPose1算法，即先利用人体检测算法（Faster-RCNN2等目标检测算法）得到人体检测框，再利用该人体检测框依次预测每个人体的姿态，得到人体骨骼点；如Open Pose3，可以直接从当前画面直接得出画面中的人体骨骼点。

进一步的，如图3所示，所述根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域的步骤，可以包括：

S301，以所述左侧肩部骨骼点、右侧肩部骨骼点和中央颈部骨骼点为基准绘制底部边缘线；

S302，以所述左侧眼眶骨骼点和右侧眼眶骨骼点为基准绘制中线；

S303，以所述中线为基准绘制与所述底部边缘线对称的顶部边缘线；

S304，根据所述顶部边缘线和所述底部边缘线绘制矩形的所述头部检测区域。

可选的，所述以所述中线为基准绘制与所述底部边缘线对称的顶部边缘线的步骤之后，所述方法还包括：

判断所述顶部边缘线是否低于或者等于所述实时图像的顶部边界线；

若所述顶部边缘线低于或者等于所述实时图像的顶部边界线，保持所述顶部边缘线不变；

若所述顶部边缘线高于所述实时图像的顶部边界线，以所述实时图像的顶部边界线作为所述顶部边缘线。

在本实施方式中，可以肩部三个骨骼点为下边缘，以头部最顶端两个骨骼点为中线，往上翻，得到人头区域矩形，若达到图像边缘，则取到边缘。

如图4所示，根据本公开实施例的一种具体实现方式，所述利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征的步骤之前，所述方法还包括：

S401，获取预设数量的样本图像，其中，所述样本图像为包括头部佩戴安全帽特征的图像和头部未佩戴安全帽特征的图像；

S402，利用全部所述样本图像训练神经网络模型，得到能够检测图像中头部安全帽佩戴状态的二分类模型，作为所述安全帽检测模型。

可选的，所述神经网络模型为Alex Net、Res Net、Mobile Net、VGG中的任一种。

利用训练数据集，训练神经网络模型，模型结构不限于Alex Net、Res Net、MobileNet、VGG及其变种，得到二分类网络模型，即是否佩戴安全帽的检测模型。将该分类模型集成到设备端中，即可得知监控画面中的行人是否佩戴安全帽。

与上面的方法实施例相对应，参见图5，本公开实施例还提供了一种视频中人员安全帽佩戴状态的检测装置50，包括：

获取模块501，用于获取当前视频中包含目标对象的实时图像；

第一确定模块502，用于从所述实时图像中确定所述目标对象的关键骨骼点；

第二确定模块503，用于根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域；

判断模块504，用于利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；

第三确定模块505，用于若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。

图5所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。

参见图6，本公开实施例还提供了一种电子设备60，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的视频中人员安全帽佩戴状态的检测方法。

本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的视频中人员安全帽佩戴状态的检测方法。

本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的的视频中人员安全帽佩戴状态的检测方法。

下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备60可以包括处理装置（例如中央处理器、图形处理器等）601，其可以根据存储在只读存储器（ROM）602中的程序或者从存储装置608加载到随机访问存储器（RAM）603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备能够实现上述方法实施例提供的方案。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备能够实现上述方法实施例提供的方案。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种视频中人员安全帽佩戴状态的检测方法，其特征在于，包括：

获取当前视频中包含目标对象的实时图像；

利用人体检测算法，从所述实时图像中确定所述目标对象的人体检测框，基于所述人体检测框预测所述目标对象的关键骨骼点；

根据所述目标对象的关键骨骼点，绘制边缘线，基于所述边缘线在所述实时图像中确定对应所述目标对象的头部检测区域，其中，所述边缘线包括：顶部边缘线、中线和底部边缘线；

利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；

若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。

2.根据权利要求1所述的方法，其特征在于，所述从所述实时图像中确定所述目标对象的关键骨骼点的步骤，包括：

利用人体检测算法，从所述实时图像中确定对应所述目标对象的人体检测框；

利用所述人体检测框依次预测所述目标对象的姿态，得到所述目标对象的多个备用骨骼点；

从所确定的多个备用骨骼点中，筛选出来五个关键骨骼点，五个所述关键骨骼点包括左侧肩部骨骼点、右侧肩部骨骼点、中央颈部骨骼点、左侧眼眶骨骼点和右侧眼眶骨骼点。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标对象的关键骨骼点，在所述实时图像中确定对应所述目标对象的头部检测区域的步骤，包括：

以所述左侧肩部骨骼点、右侧肩部骨骼点和中央颈部骨骼点为基准绘制底部边缘线；

以所述左侧眼眶骨骼点和右侧眼眶骨骼点为基准绘制中线；

以所述中线为基准绘制与所述底部边缘线对称的顶部边缘线；

根据所述顶部边缘线和所述底部边缘线绘制矩形的所述头部检测区域。

4.根据权利要求3所述的方法，其特征在于，所述以所述中线为基准绘制与所述底部边缘线对称的顶部边缘线的步骤之后，所述方法还包括：

判断所述顶部边缘线是否低于或者等于所述实时图像的顶部边界线；

若所述顶部边缘线低于或者等于所述实时图像的顶部边界线，保持所述顶部边缘线不变；

若所述顶部边缘线高于所述实时图像的顶部边界线，以所述实时图像的顶部边界线作为所述顶部边缘线。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征的步骤之后，所述方法还包括：

若所述头部检测区域不存在安全帽特征，则确定所述目标对象处于安全帽未佩戴状态，发起语音报警。

6.根据权利要求5所述的方法，其特征在于，所述利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征的步骤之前，所述方法还包括：

获取预设数量的样本图像，其中，所述样本图像为包括头部佩戴安全帽特征的图像和头部未佩戴安全帽特征的图像；

利用全部所述样本图像训练神经网络模型，得到能够检测图像中头部安全帽佩戴状态的二分类模型，作为所述安全帽检测模型。

7.根据权利要求6所述的方法，其特征在于，所述神经网络模型为Alex Net、Res Net、Mobile Net、VGG中的任一种。

8.一种视频中人员安全帽佩戴状态的检测装置，其特征在于，包括：

获取模块，用于获取当前视频中包含目标对象的实时图像；

第一确定模块，用于利用人体检测算法从所述实时图像中确定所述目标对象的人体检测框，基于所述人体检测框预测所述目标对象的关键骨骼点；

第二确定模块，用于根据所述目标对象的关键骨骼点，绘制边缘线，基于所述边缘线在所述实时图像中确定对应所述目标对象的头部检测区域；其中，所述边缘线包括：顶部边缘线、中线和底部边缘线；

判断模块，用于利用预设的安全帽检测模型，判断所述头部检测区域是否存在安全帽特征；

第三确定模块，用于若所述头部检测区域存在安全帽特征，则确定所述目标对象处于安全帽佩戴状态。

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前述权利要求1-7中任一项所述的视频中人员安全帽佩戴状态的检测方法。

10.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-7中任一项所述的视频中人员安全帽佩戴状态的检测方法。

Images