1.一种基于改进YOLO v4算法的目标检测方法，用于安全帽佩戴的实时检测，其特征在于，所述基于改进YOLO v4算法的目标检测方法，包括：步骤S1、获取安全帽检测数据集SHWD，并对所述安全帽检测数据集SHWD进行数据扩充得到样本集；

步骤S2、基于YOLO v4算法构建改进型YOLO v4网络结构，得到改进YOLO v4算法；

步骤S3、利用所述样本集对所述改进YOLO v4算法进行训练，将训练后最佳的权重文件加载至改进YOLO v4算法得到目标检测网络；

步骤S4、针对获取的待分类图像，采用所述目标检测网络输出对应的目标检测结果，所述目标检测结果包括待分类图像中目标区域的位置以及每个目标区域对应的类别，其中目标区域的类别为佩戴安全帽或未佩戴安全帽；

其中，所述改进型YOLO v4网络结构包括特征提取骨干网络、SPP模块、特征融合模块和多分类器模块，所述特征提取骨干网络为CSPDarknet53网络结构，所述CSPDarknet53网络结构输出四个大小分别为152*152、76*76、38*38、19*19的特征图，大小为19*19的特征图输入所述SPP模块，经SPP模块最大池化后拼接得到池化特征图，将所述池化特征图以及CSPDarknet53网络结构输出的大小分别为152*152、76*76、38*38的特征图输入所述特征融合模块，所述多分类器模块基于特征融合模块输出的76*76、38*38、19*19三个尺度的融合特征进行分类检测，输出最终的目标检测结果；

其中，所述特征融合模块包括依据数据流向依次连接的第一上采样层、第一拼接层、第二上采样层、第二拼接层、第三拼接层、第三上采样层、第四拼接层、第五拼接层、第六拼接层、卷积层、下采样层以及第七拼接层；

所述SPP模块输出的池化特征图输入至所述第一上采样层，所述池化特征图同时经过第四上采样层后输入第二拼接层，所述池化特征图同时经过第五上采样层后输入第五拼接层，同时所述池化特征图作为大小为19*19的融合特征输出至多分类器模块；

所述CSPDarknet53网络结构输出的大小为38*38的特征图输入至所述第一拼接层，所述第一拼接层的输出作为所述第二上采样层的输入，所述第一拼接层的输出经过第六上采样层后输入第四拼接层，所述第一拼接层的输出同时作为大小为38*38的融合特征输出至多分类器模块；

所述CSPDarknet53网络结构输出的大小为76*76的特征图输入至所述第三拼接层，所述第三拼接层的输出同时作为第三上采样层和第七拼接层的输入，所述第七拼接层的输出作为大小为76*76的融合特征输出至多分类器模块；

所述CSPDarknet53网络结构输出的大小为152*152的特征图输入至所述第六拼接层，所述第六拼接层的输出作为卷积层的输入，所述卷积层的输出经所述下采样层后输入至所述第七拼接层。

2.如权利要求1所述的基于改进YOLO v4算法的目标检测方法，其特征在于，所述步骤S1，对所述安全帽检测数据集SHWD进行数据扩充得到样本集，包括：向获取的所述安全帽检测数据集SHWD中加入若干张图片，若干张图片中一部分图片为佩戴非安全帽的帽子的图片，另一部分图片为佩戴安全帽或未佩戴安全帽的图片；

对加入若干张图片后的安全帽检测数据集SHWD进行数据增强处理得到样本集。

3.如权利要求1所述的基于改进YOLO v4算法的目标检测方法，其特征在于，所述CSPDarknet53网络结构包括依次连接的DarknetConv2D_BN_Mish模块、第一Resblock_body模块、第二Resblock_body模块、第三Resblock_body模块、第四Resblock_body模块和第五Resblock_body模块；

所述第二Resblock_body模块输出大小为152*152的特征图，所述第三Resblock_body模块输出大小为76*76的特征图，所述第四Resblock_body模块输出大小为38*38的特征图，所述第五Resblock_body模块输入大小为19*19的特征图。

4.如权利要求1所述的基于改进YOLO v4算法的目标检测方法，其特征在于，所述SPP模块包括四个并行的最大池化层，四个最大池化层的池化核大小分别为13*13、9*9、5*5、1*1；

所述SPP模块对输入的大小为19*19的特征图分别利用四个最大池化层进行处理，并将四个最大池化层处理后的输出进行拼接，得到池化特征图输出。

5.如权利要求1所述的基于改进YOLO v4算法的目标检测方法，其特征在于，所述多分类器模块包括第一Yolo Head分类器、第二Yolo Head分类器和第三Yolo Head分类器，所述第一Yolo Head分类器用于接收所述特征融合模块输出的大小为19*19的融合特征，所述第二Yolo Head分类器用于接收所述特征融合模块输出的大小为38*38的融合特征，所述第三Yolo Head分类器用于接收所述特征融合模块输出的大小为76*76的融合特征。