1.一种安全帽佩戴检测方法，其特征在于，所述方法包括：获取施工现场的原始图像，通过图像变换将所述原始图像扩增N倍得到扩增图像；

对所述扩增图像标注安全帽信息；

将所述原始图像、扩增图像以及安全帽信息输入目标检测网络学习并进行图像特征提取得到人脸特征；

根据所述人脸特征得到人脸框图；

根据所述人脸框图确定头部区域，并在所述头部区域内进行安全帽检测。

2.根据权利要求1所述的一种安全帽佩戴检测方法，其特征在于，所述图像变换包括图像亮度变换和镜像变换。

3.根据权利要求2所述的一种安全帽佩戴检测方法，其特征在于，所述图像亮度变换具体为：其中，g(x,y)为扩增图像x行、y列的像素值，f(x,y)为原始图像x行、y列的像素值，为扩增倍数，β为偏置系数。

4.根据权利要求2所述的一种安全帽佩戴检测方法，其特征在于，所述镜像变换为水平镜像，具体为：其中，(x0,y0)为原始图像的坐标，(x1,y1)为镜像操作后的坐标，w为原始图像宽度。

5.根据权利要求1所述的一种安全帽佩戴检测方法，其特征在于，所述安全帽信息包括标注框、标签信息，其中，额头为所述标注框的下边缘，头顶或安全帽帽顶为所述标注框的上边缘，头宽或者帽宽为所述标注框的宽度，未佩戴安全帽对应的标签信息为0，佩戴安全帽对应的标签信息为1。

6.根据权利要求1所述的一种安全帽佩戴检测方法，其特征在于，所述目标检测网络为卷积神经网络，所述图像特征提取过程采用经过通道压缩的17个卷积层和一系列能使网络加速收敛的BN层。

7.根据权利要求1所述的一种安全帽佩戴检测方法，其特征在于，所述根据所述人脸特征得到人脸框图具体为：将所述人脸特征结合回归网络和分类网络对人脸位置进行回归定位，同时，连接多个不同尺度的特征图融合对人脸进行检测得到人脸框图。

8.根据权利要求1所述的一种安全帽佩戴检测方法，其特征在于，所述根据所述人脸框图确定头部区域具体为：其中，(x00,y00)为人脸框图的左上坐标、(x01,y01)为人脸框图的右下坐标，(x10,y10)为头部区域的左上坐标、(x11,y11)为头部区域的右下坐标。

9.根据权利要求1所述的一种安全帽佩戴检测方法，其特征在于，所述在所述头部区域内进行安全帽检测具体为：获取所述头部区域的截图；

将所述截图输入卷积神经网络，采用经过通道压缩的8个卷积层和一系列能使网络加速收敛性的BN层提取安全帽特征；

将所述安全帽特征结合回归网络和分类网络对安全帽位置进行回归定位，并判断是否佩戴安全帽。