基于人工智能的电动车头盔识别方法与流程

技术特征：
1.一种基于人工智能的电动车头盔识别方法，其特征在于，包括如下步骤：获取非机动车道场景图片；通过人体姿态估计得到非机动车道场景中的人体关键节点，建立坐标系，得到每个人体关键节点中头部关键节点的坐标；根据头部关键节点坐标进行区域划分，对各区域内的头部关键节点坐标进行直线拟合，获得多条拟合直线，对多条拟合直线进行分类，得到共乘关系拟合直线和非共乘关系拟合直线，通过分类后的共乘关系拟合直线和非共乘关系拟合直线得到共乘关键节点集合和非共乘关键节点集合；使用目标检测网络对所有头部关键节点中对应的人体是否佩戴头盔进行检测，当检测出人体无佩戴头盔时，若该无佩戴头盔人体的头部关键节点位于共乘关键节点集合内，则该人体无佩戴头盔的事件存在违规，若无佩戴头盔人体的头部关键节点位于非共乘关键节点集合内，对人体无佩戴头盔事件对应的人员检测是否使用交通工具，若交通工具为电动车，则该人体无佩戴头盔事件存在违规。2.根据权利要求1所述一种基于人工智能的电动车头盔识别方法，其特征在于，所述直线拟合方法为：对人体头部关键节点按照坐标大小编号，并初始化头部位置点的连接标志和检测状态=0，选取标号最小的点，选取其一排中纵坐标差距不超过一半电动车车长的点划分为一个区域；计算该区域内的各个点的纵坐标的平均值，选取纵坐标和平均值差距不超过一个电动车车长的点，划分为一个区域，设置该点，选取该区域内剩余未检测的点中选取标号最小且的点，重复上述步骤，直到图像中不存在未检测的点；依次遍历各个区域，利用最小二乘法对各区域内的点进行直线拟合得到拟合直线，若该拟合直线有内点也有外点时，该拟合直线为共乘关系拟合直线，若该拟合直线有内点无外点时，该拟合直线为非共乘关系拟合直线。3.根据权利要求1所述一种基于人工智能的电动车头盔识别方法，其特征在于，所述共乘关键节点集合包括所有共乘关系拟合直线中外点和距离该外点最近的内点，非共乘关键节点集合包括所有非共乘关系拟合直线中的内点和所有共乘关系拟合直线中无对应外点的内点。4.根据权利要求1所述一种基于人工智能的电动车头盔识别方法，其特征在于，所述人体姿态估计是通过encoder
‑
decoder结构的人体关键点检测网络，将训练过后的马路场景图像信息作为输入，并进行编码、解码，标签为人体的双脚、双膝、双胯、双肩、双肘、双手和头部的13类关键点，loss函数采用均方差损失函数训练得到。5.根据权利要求1所述一种基于人工智能的电动车头盔识别方法，其特征在于，所述目标检测网络是使用encoder
‑
fc网络，设人体头部坐标为，双肩坐标分别为，，以为中心，，为顶点裁剪出的矩形框进行标注和训练，得到标签为0的目标认定为无头盔目标，标签为1的目标认为是戴头盔目标。
6.根据权利要求1所述一种基于人工智能的电动车头盔识别方法，其特征在于，所述检测驾驶工具方法如下：获取每个可疑对象的头部以及双手的位置坐标，设头部的坐标为，双手的位置坐标为，以，，，为顶点，做矩形框，使用encoder
‑
fc网络检测该区域，若该区域有电动车后视镜，则说明驾驶工具为电动车。

技术总结
本发明涉及一种基于人工智能的电动车头盔识别方法，通过摄像头采集当前马路场景图，通过人体姿态技术估计识别出马路场景中的人体的关键节点，建立坐标系，按照头部关键节点坐标进行区域划分，利用最小二乘法得到人体头部坐标拟合直线，根据拟合直线得到共乘关键节点集合和非共乘关键节点集合，结合目标检测网络，对电动车人员是否按规定佩戴头盔进行识别判断，基于人工智能，极大的节省了检测成本，提高了工作效率。高了工作效率。高了工作效率。


技术研发人员：吴亚斌
受保护的技术使用者：江苏巨亨智能科技有限公司
技术研发日：2021.09.17
技术公布日：2021/10/23