一种基于注意力机制改进的轻量化YOLOv4安全防护检测方法技术

本发明专利技术公开了一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，其内容包括：搜集图像建立数据集，采用YOLO v4网络作为基础模型，将注意力机制融入到YOLO v4模型中，得到改进的YOLO v4安全防护检测模型；利用数据集对改进的YOLO v4安全防护检测模型进行训练得到改进后的YOLO v4目标检测模型；在改进的YOLO v4安全防护检测模型中输入待检测图像，采用改进后的YOLO v4目标检测模型输出对应的目标检测结果，分别定位行人的检测框、安全帽的检测框以及安全反光衣的检测框，并分别计算三个目标的CIoU，得到最终目标检测框；对施工场景安全设备目标进行检测和识别，并根据目标行人、安全帽和安全反光衣检测框的重合情况，判断图像中是否存在不规范穿戴安全设备的行为。为。为。

【技术实现步骤摘要】
一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法


[0001]本专利技术属于计算机视觉
，具体涉及一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，应用于各类施工现场用于实时安全帽佩戴检测和安全防护检测。

技术介绍

[0002]近年来，我国的视频监控技术已经取得了长足的发展。全天候监控摄像头已基本遍布在城市的各个角落，极大地保障了人民的生命财产安全。考虑到人工监察的不足，现有学者提出结合计算机视觉技术，并将其应用于工地场景中，逐步代替人工筛查和监控，使其能够较大程度地提高安防监测的效率。
[0003]结合深度学习中的目标检测的方法，基于全天候监控的视频监控技术已经广泛应用于智能视频监控跟踪、人流量和车流量管控、公共区域安全维护等领域中，但是在安全防护装备检测中的应用却较少。针对施工现场这一特定场景中需要实时监控管理的需求特点，构建基于深度学习且适用于工地场景的安全设备穿戴检测模型，可以有效解决施工场景中由于场景复杂以及环境多变所导致的监控成效效果差的问题，并能够对施工人员安全帽佩戴情况和安全反光衣穿戴情况进行实时检测分析，并将分析结果进行统计汇总，上报给相应监管人员。因此，研究开发对实现工地智能化和安全化的自动实时监控，保障施工工地人员的安全具有十分重要的意义。
[0004]安全防护设备穿戴检测是通过计算机目标检测算法准确判断施工人员在工作区域时是否按照规范佩戴安全帽、穿着安全反光衣，对存在的潜在危险，比如不规范穿戴安全设备的行为进行提醒，进而有效保证人员的生命安全。该任务本质上属于计算机视觉技术中的目标检测任务，通过相应的算法模型对人体是否穿戴安全防护设备进行检测。

技术实现思路

[0005]本专利技术的目的在于提供一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，该方法具有较高的检测速度和精度。
[0006]为实现上述目的，本专利技术所采取的技术方案为：
[0007]一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，其内容包括：
[0008]步骤1：搜集图像建立数据集，所述数据集包括进入工地的施工人员图像、安全帽图像和安全反光衣图像；通过收集穿着安全反光衣以及佩戴安全帽的施工人员图像数据，对施工人员、佩戴安全帽以及穿着安全反光衣的施工人员均进行标注，使用开源软件LabelImg对工地场景下施工人员相关信息进行标注，标注包括五类：head、helmet、person、reflective
‑
clothes和other
‑
clothes；
[0009]步骤2：采用YOLO v4网络作为基础模型，使用轻量化网络MobileNet作为主干网络提取图像特征，增加注意力机制模块，将注意力机制融入到YOLO v4模型中，得到改进的
YOLO v4安全防护检测模型，实现对施工人员、安全帽和安全反光衣的检测；
[0010]步骤3：利用所述数据集对所述改进的YOLO v4安全防护检测模型进行训练，将训练后最佳的权重文件加载至改进的YOLO v4安全防护检测模型中得到改进后的YOLO v4目标检测模型；
[0011]步骤4：在改进的YOLO v4安全防护检测模型中输入待检测图像，采用所述改进后的YOLO v4目标检测模型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，依此鉴别是否穿着安全反光衣以及是否佩戴安全帽；分别定位行人的检测框、安全帽的检测框以及安全反光衣的检测框，并分别计算三个目标的CIoU，得到最终目标检测框；
[0012]步骤5：对施工场地安全设备目标进行检测和识别，通过计算目标行人、安全帽和安全反光衣检测框的重合情况，判断图像中是否存在不规范地穿戴安全设备的行为；根据公式(1)计算目标行人、安全帽和安全反光衣的检测框的重合情况，
[0013]y＝(B
p
＞0 and B
p
∩B
c
＝0)or(B
p
＞0 and B
p
∩B
h
＝0)
ꢀꢀ
(1)
[0014]if(y＞0)warning
[0015]else no warning
[0016]在(1)式中：Bp代表行人的检测框，Bc代表安全反光衣的检测框，Bh代表安全帽的检测框；
[0017]根据(1)式中的y值的情况做出判断，当y＞0时，说明施工人员不符合安全规范，没有佩戴安全帽或者未穿着安全反光衣，其与行人检测框的交集值是0，模型发出警告信息；如果施工人员佩戴安全帽并且穿着了安全反光衣，则其与行人检测框的交集值必然大于0，则y值为0，说明施工人员符合安全规范，则模型不发出报警信息。
[0018]在本专利技术中，首先使用轻量化网络提取图像的特征，将最后一层提取的特征结果输入到增加了注意力机制的网络层，强化检测目标对应的权重值，然后经过空间金字塔层，从多尺度特征中提取出固定大小的特征向量。同时，为了防止网络过深所导致的图像特征信息的损失，本专利技术在计算过程中，还保存主干网络中不同特征提取阶段的卷积计算结果，将不同尺度大小的中间特征结果与最后一层的信息进行拼接，以期望在最大程度上保留图像的信息特征，输出最终的目标检测结果。
[0019]在工地建筑场所、矿井施工、电力工程以及地下作业等一些危险系数相对较高的施工现场中，规范地穿戴安全防护装备对于保障工地施工人员的生命安全有着重要的意义。因此，正确佩戴安全帽并且规范穿着安全反光衣已经成为了对施工人员的强制性规定。
[0020]据统计，近年来在已发生的生产安全事件中，未正确穿着安全防护装备以及违规作业是导致事故发生的最主要原因之一。因为，施工场地所占面积广，仅凭有限的督查人员是无法对部分安全意识较差以及纪律性弱的施工人员进行全方位的有效实时监管。
[0021]本专利技术的一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，就是针对施工现场这一特定场景，采用摄像头视频实时监控的模式，构建基于深度学习的且适用于工地场景的安全设备穿戴检测模型，通过对施工人员安全帽佩戴情况和安全反光衣穿戴情况进行实时监控，能够对不规范穿着安全防护装备人员情况进行实时发出警告信息，并能够有效解决施工场景中场景复杂以及环境多变所导致的识别效果差的问题。通过对检测结果进行实时处理，能够实现工地安全监测智能化，有效减少和避免了因未穿着安全防护
装备而发生的安全事故，极大地保障了施工人员的生命安全和施工企业的财产损失，对保障施工工地的人身安全具有十分重要的意义。
附图说明
[0022]图1是本专利技术安全检测网络模型结构图；
[0023]图中：轻量化主干网络的基本单元用DSP+BR表示，特征聚合后的基本单元用CBL表示。其中，DSP为深度可分离卷积，C(Convolution)为标准的卷积操作，B(Batch Normalization)为批量正则化，R本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，其特征在于：该方法内容包括：步骤1：搜集图像建立数据集，所述数据集包括进入工地的施工人员图像、安全帽图像和安全反光衣图像；通过收集穿着安全反光衣以及佩戴安全帽的施工人员图像数据，对施工人员、佩戴安全帽以及穿着安全反光衣的施工人员均进行标注，使用开源软件LabelImg对工地场景下施工人员相关信息进行标注，标注包括五类：head、helmet、person、reflective
‑
clothes和other
‑
clothes；步骤2：采用YOLO v4网络作为基础模型，使用轻量化网络MobileNet作为主干网络提取图像特征，增加注意力机制模块，将注意力机制融入到YOLO v4模型中，得到改进的YOLO v4安全防护检测模型，实现对施工人员、安全帽和安全反光衣的检测；步骤3：利用所述数据集对所述改进的YOLO v4安全防护检测模型进行训练，将训练后最佳的权重文件加载至改进的YOLO v4安全防护检测模型中得到改进后的YOLO v4目标检测模型；步骤4：在改进的YOLO v4安全防护检测模型中输入待检测图像，采用所述改进后的YOLO v4目标检测模型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，依此鉴别是否穿着安全反光衣以及是否佩戴安全帽；分别定位行人的检测框、安全帽的检测框以及安全反光衣的检测框，并分别计算三个目标的CIoU，得到最终目标检测框；步骤5：对施工场地安全设备目标进行检测和识别，通过计算目标行人、安全帽和安全反光衣检测框的重合情况，判断图像中是否存在不规范地穿戴安全设备的行为；根据公式(1)计算目标行人、安全帽和安全反光衣的检测框的重合情况，y＝(B
p
＞0 and B
p
∩B
c
＝0)or(B
p
＞0 and B
p
∩B
h
＝0) (1)if(y＞0)warningelse no warning在(1)式中：Bp代表行人的检测框，Bc代表安全反光衣的检测框，Bh代表安全帽的检测框；根据(1)式中的y值的情况做出判断，当y＞0时，说明施工人员不符合安全规范，没有佩戴安全帽或者未穿着安全反光衣，其与行人检测框的交集值是0，模型发出警告信息；如果施工人员佩戴安全帽并且穿着了安全反光衣，则其与行人检测框的交集值必然大于0，则y值为0，说明施工人员符合安全规范，则模型不发出报警信息。2.根据权利要求1所述的一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，其特征在于：在步骤2中，所述采用YOLO v4网...

【专利技术属性】
技术研发人员：王巍，云健，张建新，于洋跃，多俊杰，刘勇奎，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：