1.一种基于SSD和AlphaPose的安全帽佩戴检测方法，其特征在于：包括以下步骤：S101：获取待检测施工现场的图像；所述图像中包括多个安全帽和多个人；

S102：采用SSD算法对所述图像中的人和安全帽分别进行识别，得到所述图像中的人的总个数、安全帽的总个数以及各个安全帽的最小矩形包围框的任意两个对角顶点的像素坐标；

S103：采用AlphaPose算法对所述图像中的各个人的人体姿态进行估计，得到各个人的重要关节点的像素坐标；

S104：根据各个人的重要关节点的像素坐标和各个安全帽的最小矩形包围框的任意两个对角顶点的像素坐标，分别对各个人进行判断，以识别出所有未佩戴安全帽的人。

2.如权利要求1所述的一种基于SSD和AlphaPose的安全帽佩戴检测方法，其特征在于：步骤S101中，所述待检测施工现场的图像可通过待检测施工现场的监控摄像头或者监控视频获取。

3.如权利要求1所述的一种基于SSD和AlphaPose的安全帽佩戴检测方法，其特征在于：步骤S102中，采用SSD算法对所述图像中的人和安全帽分别进行识别时，SSD算法的识别阈值设置为0.5，即SSD算法识别出的物体的精度大于或者等于0.5时，才确定该物体为安全帽。

4.如权利要求1所述的一种基于SSD和AlphaPose的安全帽佩戴检测方法，其特征在于：步骤S103中，所述重要关节点包括：鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左臀和右臀。

5.如权利要求1所述的一种基于SSD和AlphaPose的安全帽佩戴检测方法，其特征在于：步骤S104中，根据各个人的重要关节点的像素坐标和各个安全帽的最小矩形包围框的任意两个对角顶点的像素坐标，分别对各个人进行判断，以识别出所有未佩戴安全帽的人，具体包括如下步骤：S201：判断 和

是否全部在 之内？若是，则第k个

人戴了第i个帽子，即第k个人带了安全帽，并转到步骤S207；否则，转到步骤S202；其中，和 分别为第k个人的鼻子、左眼、右眼、左耳、右耳的像素坐标； 和分别为第k个人的左肩、右肩、左臀、右臀的像素坐标； 和分比为SSD中识别出来的第i个帽子的最小矩形包围框的任意两个对角顶点的像素坐标；k和i的初始值均为1；

S202：判断第k个人的姿态是否左倾；具体如下：判断条件 是否成立？若是，则第k个人为左倾姿态，并转到步骤S203；否则，转到步骤S204；其中，M为预设值，取值范围为[40,60]，单位1为1个像素；

S203：判断 和

是否全部在 之内？若

是，则第k个人戴了第i个帽子，即第k个人带了安全帽，并转到步骤S207；否则，转到步骤S204；

S204：判断第k个人的姿态是否右倾；具体如下：判断条件 是否成立？若是，则第k个人为右倾姿态，并转到步骤S205；否则，转到步骤S206；其中，M为预设值，取值范围为[40,60]，单位1为1个像素；

S205：判断 和

是否全部在 之内？若

是，则第k个人戴了第i个帽子，即第k个人带了安全帽，并转到步骤S207；否则，转到步骤S206；

S206：i是否等于H？若是，则第k个人未佩戴安全帽，将i更新为1，并转到步骤S207；否则，将i更新为i+1，并返回步骤S201；其中，H为SSD识别出的安全帽的总个数；

S207：k是否大于K？若是，则到步骤S208；否则，将k更新为k+1，将最新配对成功的安全帽序号i从所有的安全帽序号中剔除，并对剩下的安全帽序号进行重新排序，即配对成功后的第i个安全帽不再参与剩下的循环步骤，并将安全帽的总个数H的值更新为剔除成功配对的安全帽后的剩余安全帽的总个数；并返回步骤S201；其中，K为人的总个数；

S208：结束循环，得到所述待检测施工现场的图像中所有未佩戴安全帽的人。

6.一种基于SSD和AlphaPose的安全帽佩戴检测系统，其特征在于：包括如下模块：图像获取模块，用于获取待检测施工现场的图像；所述图像中包括多个安全帽和多个人；

安全帽识别模块，用于采用SSD算法对所述图像中的人和安全帽分别进行识别，得到所述图像中的人的总个数、安全帽的总个数以及各个安全帽的最小矩形包围框的任意两个对角顶点的像素坐标；

关节识别模块，用于采用AlphaPose算法对所述图像中的各个人的人体姿态进行估计，得到各个人的重要关节点的像素坐标；

判断模块，用于根据各个人的重要关节点的像素坐标和各个安全帽的最小矩形包围框的任意两个对角顶点的像素坐标，分别对各个人进行判断，以识别出所有未佩戴安全帽的人。

7.如权利要求6所述的一种基于SSD和AlphaPose的安全帽佩戴检测系统，其特征在于：图像获取模块中，所述待检测施工现场的图像可通过待检测施工现场的监控摄像头或者监控视频获取。

8.如权利要求6所述的一种基于SSD和AlphaPose的安全帽佩戴检测系统，其特征在于：安全帽识别模块中，采用SSD算法对所述图像中的人和安全帽分别进行识别时，SSD算法的识别阈值设置为0.5，即SSD算法识别出的物体的精度大于或者等于0.5时，才确定该物体为安全帽。

9.如权利要求6所述的一种基于SSD和AlphaPose的安全帽佩戴检测系统，其特征在于：关节识别模块中，所述重要关节点包括：鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左臀和右臀。

10.如权利要求6所述的一种基于SSD和AlphaPose的安全帽佩戴检测系统，其特征在于：判断模块中，根据各个人的重要关节点的像素坐标和各个安全帽的最小矩形包围框的任意两个对角顶点的像素坐标，分别对各个人进行判断，以识别出所有未佩戴安全帽的人，具体包括如下单元：第一判断单元，用于判断

和 是否全部在 之内？若是，则第k

个人戴了第i个帽子，即第k个人带了安全帽，并转到第七判断单元；否则，转到第二判断单元；其中， 和 分别为第k个人的鼻子、左眼、右眼、左耳、右耳的像素坐标；

和 分别为第k个人的左肩、右肩、左臀、右臀的像素坐标； 和分比为SSD中识别出来的第i个帽子的最小矩形包围框的任意两个对角顶点的像素坐标；k和i的初始值均为1；

第二判断单元，用于判断第k个人的姿态是否左倾；具体如下：判断条件 是否成立？若是，则第k个人为左倾姿态，并转到第三判断单元；否则，转到步骤S204；其中，M为预设值，取值范围为[40,60]，单位1为

1个像素；

第三判断单元，用于判断

和 是否全部在 之内？若

是，则第k个人戴了第i个帽子，即第k个人带了安全帽，并转到第七判断单元；否则，转到第四判断单元；

第四判断单元，用于判断第k个人的姿态是否右倾；具体如下：判断条件 是否成立？若是，则第k个人为右倾姿态，并转到第五判断单元；否则，转到第六判断单元；其中，M为预设值，取值范围为[40,60]，单位1为1个像素；

第五判断单元，用于判断

和 是否全部在 之内？若

是，则第k个人戴了第i个帽子，即第k个人带了安全帽，并转到第七判断单元；否则，转到第六判断单元；

第六判断单元，用于判断i是否等于H？若是，则第k个人未佩戴安全帽，将i更新为1，并转到第七判断单元；否则，将i更新为i+1，并返回第一判断单元；其中，H为SSD识别出的安全帽的总个数；

第七判断单元，用于判断k是否大于K？若是，则到结束单元；否则，将k更新为k+1，将最新配对成功的安全帽序号i从所有的安全帽序号中剔除，并对剩下的安全帽序号进行重新排序，即配对成功后的第i个安全帽不再参与剩下的循环步骤，并将安全帽的总个数H的值更新为剔除成功配对的安全帽后的剩余安全帽的总个数；并返回第一判断单元；其中，K为人的总个数；

结束单元，用于结束循环，得到所述待检测施工现场的图像中所有未佩戴安全帽的人。