【技术实现步骤摘要】
基于改进YOLOv5s的头盔检测方法、装置、电子设备和存储介质
本专利技术属于机器视觉应用
，具体涉及一种基于改进YOLOv5s的头盔检测方法、装置、电子设备和存储介质。
技术介绍
近年来，摩托车和电动车作为人们日常出行的重要交通工具，其引发的交通事故也在不断增多，摩托车和电动车的骑行者发生交通事故后头部创伤导致的死亡率非常高，约80％为颅脑损伤，发生这一情况的重要原因是骑行者未能正确佩戴头盔，疏忽了对头部的保护。科学研究表明，如果正确佩戴安全头盔，当意外发生时，头盔能够吸收大部分的冲击能量，减少事故造成的头部伤害，从而降低60％到70％的交通事故死亡风险。目前人们对正确佩戴头盔这一问题不够重视，传统的头盔佩戴检测方法是依靠交警的监督或人工对摄像设备拍摄的内容进行检测，其效率较低且成本较高。因此，设计一种头盔佩戴情况自动检测方法，对于提高头盔检测的精度和效率，协助交警执法、实现智能化交通管理显得尤为重要。现有的头盔检测方法主要分为基于传统机器学习的头盔检测方法和基于深度学习的头盔检测方法两大类。基于传统...
【技术保护点】
1.一种基于改进YOLOv5s的头盔检测方法，其特征在于，包括：/n构建YOLOv5s-Light目标检测框架；/n利用目标图像训练集对所述YOLOv5s-Light目标检测框架进行训练得到YOLOv5s-Light目标检测训练框架；/n将待检测图像集输入所述YOLOv5s-Light目标检测训练框架中得到目标检测集合；/n利用骑行检测算法对所述目标检测集合进行检测得到目标检测结果。/n
【技术特征摘要】
1.一种基于改进YOLOv5s的头盔检测方法，其特征在于，包括：
构建YOLOv5s-Light目标检测框架；
利用目标图像训练集对所述YOLOv5s-Light目标检测框架进行训练得到YOLOv5s-Light目标检测训练框架；
将待检测图像集输入所述YOLOv5s-Light目标检测训练框架中得到目标检测集合；
利用骑行检测算法对所述目标检测集合进行检测得到目标检测结果。
2.根据权利要求1所述的基于改进YOLOv5s的头盔检测方法，其特征在于，构建YOLOv5s-Light目标检测框架，包括：
基于轻量化网络思想，对第一YOLOv5s网络的残差块进行第一卷积结构变换得到第二YOLOv5s网络；
将所述第二YOLOv5s网络的深层次残差块的激活函数替换为H-Swish函数得到第三YOLOv5s网络；
基于通道注意力机制，在所述第三YOLOv5s网络的残差块中增加SE注意力模块得到第四YOLOv5s网络；
将所述第四YOLOv5s网络的各层输出的通道数进行同一比率的压缩得到第五YOLOv5s网络；
对所述第五YOLOv5s网络进行第二卷积结构变换得到所述YOLOv5s-Light目标检测框架。
3.根据权利要求2所述的基于改进YOLOv5s的头盔检测方法，其特征在于，所述第一卷积结构变换包括：
将所述第一YOLOv5s网络中残差块的Bottleneck中的普通卷积改为分组卷积；
取消所述第一YOLOv5s网络中残差块的Bottleneck的反转。
4.根据权利要求2所述的基于改进YOLOv5s的头盔检测方法，其特征在于，第二卷积结构变换包括：
将所述第五YOLOv5s网络中非残差块Bottleneck的卷积替换为深度可分离卷积。
5.根据权利要求1所述的基于改进YOLOv5s的头盔检测方法，其特征在于，所述目标图像训练集包括第一头部目标图像、第一佩戴头盔的头部图像和第一骑行者图像。
6.根据权利要求1所述的基于改进YOLOv5s的头盔检测方法，其特征在于，利用骑行检测算法对所述目标检测集合进行检测得到目标检测结果，包括：
初始化佩戴头盔的骑行者图像集合和未佩戴头盔的骑行者图像集合；
利用所述YOLOv5s-Light目标检测框架检测测试集合得到第二头部目标图像和/或第二未佩戴头盔骑行者图像；
利用所述第二头部目标图像和所述第二未佩戴头盔骑行者图像得到最优IoU阈值；
利用所述YOLOv5s-Light目标检测框架检测所述目标检测集合得到第三头部目标图像、第三佩戴头盔的头部图像和第三骑行者图像；
将所述第三佩戴头盔的头部图像置于所述佩戴头盔的骑行者图像集合中；
利用所述第三头部目标图像、所述第三骑行者图像和所述最优IoU阈值得到第三未佩戴头盔...
【专利技术属性】
技术研发人员：汪霖，曹世闯，陈莉，宜超杰，张万绪，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。