1.一种面向多种高空作业施工现场的安全带佩戴识别与检测方法，其特征在于，包括：获取施工地的包含作业人员的待检测图像，并将所述待检测图像输入到预置卷积神经网络模型，所述预置卷积神经网络模型包括特征提取模块、特征融合模块和预测模块；

通过所述特征提取模块对所述待检测图像进行卷积特征提取和下采样特征提取，得到深度卷积特征图和采样特征图；

通过所述特征融合模块对所述深度卷积特征图和所述采样特征图进行特征融合，得到融合特征图；

通过所述预测模块对所述融合特征图进行处理，得到作业人员在输出图像中的位置检测框以及该作业人员是否佩戴安全带的检测结果；

所述特征提取模块包括卷积模块、空洞卷积模块、深度可分离卷积模块和4个下采样层，所述卷积模块由若干个卷积层和5个池化层构成；

所述通过所述特征提取模块对所述待检测图像进行卷积特征提取和下采样特征提取，得到深度卷积特征图和采样特征图，包括：通过所述卷积模块对所述待检测图像依次进行卷积处理和池化处理，得到浅层卷积特征图；

通过所述空洞卷积模块对所述浅层卷积特征图进行空洞卷积处理，得到空洞卷积特征图；

通过所述深度可分离卷积模块对所述空洞卷积特征图进行深度可分离卷积处理，得到深度卷积特征图；

通过4个所述下采样层分别对前4个所述池化层输出的特征图进行下采样处理，得到采样特征图；

其中，所述采样特征图包括第一个池化层对应的第一采样特征图、第二个池化层对应的第二采样特征图、第三个池化层对应的第三采样特征图和第四个池化层对应的第四采样特征图；

所述通过所述特征融合模块对所述深度卷积特征图和所述采样特征图进行特征融合，得到融合特征图，包括：通过所述特征融合模块对所述深度卷积特征图和所述第二采样特征图进行特征融合，得到第一融合特征图；

通过所述特征融合模块对所述第一融合特征图进行多尺度池化和融合处理，得到多尺度融合特征图；

通过所述特征融合模块对所述多尺度融合特征图依次进行上采样处理和下采样处理得到采样增强特征图，并将所述采样增强特征图和所述第一采样特征图进行特征融合，得到第二融合特征图；

通过所述特征融合模块对所述多尺度融合特征图和所述第四采样特征图进行特征融合，得到第三融合特征图；

通过所述特征融合模块对所述第三融合特征图进行下采样后，与所述第三采样特征图进行特征融合，得到第四融合特征图；

所述通过所述预测模块对所述融合特征图进行处理，得到作业人员在输出图像中的位置检测框以及该作业人员是否佩戴安全带的检测结果，包括：通过所述预测模块对所述第二融合特征图、所述第三融合特征图和所述第四融合特征图依次进行下采样处理、卷积处理和注意力特征提取，得到作业人员在三个尺度输出图像中的位置检测框以及该作业人员是否佩戴安全带的检测结果。

2.根据权利要求1所述的面向多种高空作业施工现场的安全带佩戴识别与检测方法，其特征在于，所述预置卷积神经网络模型的配置过程为：获取训练图像；

通过所述训练图像训练卷积神经网络，得到所述预置卷积神经网络模型，所述卷积神经网络包括所述特征提取模块、所述特征融合模块和所述预测模块。