陈闯闯， 胡绍方

(周口师范学院 网络工程学院， 河南 周口 466000)

0 引 言

头盔佩戴检测问题，实际上是一个目标检测问题。对于目标检测的研究有很多，如Girshick 等利用卷积神经网络进行目标检测；Dalal N、 Triggs B等人提出基于梯度方向直方图(HOG)特征的安全帽佩戴状态检测算法；毕林等将 CNN 应用于头盔检测中，取得了较好的效果；刘晓慧、叶西宁通过基于肤色的人脸定位，利用训练好的支持向量机(SVM)模型实现安全帽佩戴状态的识别[1]。本文将基于人工神经网络算法进行密集场景下头盔佩戴智能检测研究。

1 密集场景下头盔佩戴智能检测技术

1.1 头盔佩戴图像预处理

(1)图像灰度化。图像灰度化是指将原始图像的像素调节到0～255之间，将彩色图像转换为灰色图像。目前，图像灰度化方法主要有3种：最大值法、平均值法和加权平均法[2]。

(2)图像滤波。原始图像在采集过程中会感染噪声点，而噪声点的存在会降低图像质量，因此需要对图像进行滤波去噪。在这里采用中值滤波法。中值滤波法基本原理：随机选取图像中一个像素点作为中心点，统计其邻域3×3内所有像素点的灰度值，按照从大到小的顺序排列，最后取其中的中间值代替随机选取的原有的像素点。

(3)图像增强。图像在经过滤波后，细节会被模糊，需要进行图像增强处理。

图像增强处理公式如下：

其中，D代表输出图像的动态范围；p'(i,j)代表输入的头盔佩戴图像；p(i,j)代表输出的头盔佩戴图像；pmax代表输入头盔佩戴图像中的最大像素值；……