一种安全帽佩戴检测的图像数据集冗余清洗方法技术

本发明专利技术涉及一种安全帽佩戴检测的图像数据集冗余清洗方法，包括以下步骤：使用目标检测算法YOLO V4算法在VOC数据集上进行训练，选择最优结果的模型文件进行保存；利用FFmpeg将摄像头采集到的视频解析成图像；解析完成的图像按照顺序输入训练完成的目标检测模型，检测结果仅保留检测到人的图像；判断前后两张图检测到的人员数量是否一致；不一致，则将两张图像均保存；一致，则计算两张图像中人员各个人员位置中心点坐标；计算各个对应中心点之间的距离之和；判断计算距离之和是否大于设定阈值；判断结果为否，则删除其中一张图；判断结果为是，则保留两张图。本发明专利技术的优点：提升安全帽佩戴检测图像数据冗余清洗方法的可解释性。佩戴检测图像数据冗余清洗方法的可解释性。佩戴检测图像数据冗余清洗方法的可解释性。

【技术实现步骤摘要】
一种安全帽佩戴检测的图像数据集冗余清洗方法


[0001]本专利技术涉及目标检测
，具体是指一种安全帽佩戴检测的图像数据集冗余清洗方法。

技术介绍

[0002]安全帽作为施工作业时必须佩戴的工作帽有着诸多应用场合，如建筑工地、工厂生产线以及井下采矿等。作业人员佩戴安全帽不仅是安全生产作业的规范要求，更是人生安全的重要保障。因此，安全帽佩戴检测模型有着十分广阔的应用前景。与此同时，需要安全帽佩戴检测模型准确率达到一定高度。这就要对每个具体应用场合的监控视频数据进行有针对性的安全帽佩戴检测模型训练。
[0003]随着深度学习技术的不断发展，目标检测模型作为机器视觉识别中重要方向之一，也广泛采用了基于深度学习的检测技术。通常，深度学习技术需要大量标注完成的样本作为训练集，并利用反向传播算法对其模型参数进行调优以达到预定效果。深度学习不仅要求参与训练的样本数量要多，还需要样本之间体现出差异。大量相似的样本是不利于提升深度学习模型的泛化能力，也不利于模型部署后的实际测试应用。
[0004]在安全帽佩戴检测模型实际训练时，训练集通常是通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种安全帽佩戴检测的图像数据集冗余清洗方法，其特征在于：包括以下步骤：S1，使用目标检测算法YOLO V4算法在VOC数据集上进行训练，以反向传播算法进行参数调优，选择最优结果的模型文件进行保存；S2，利用FFmpeg将摄像头采集到的视频解析成图像；S3，解析完成的图像按照顺序输入步骤S1中训练完成的目标检测模型，检测结果仅保留检测到人的图像；S4，判断前后两张图检测到的人员数量是否一致；S5，如果步骤S4中判断结果为不一致，则将两张图像均保存；S6，如果步骤S4中判断结果为一致，则计算两张图像中人员各个人员位置中心点坐标，将两张图之间中心点坐标距离最近的两个中心点进行对应；S7，计算各个对应中心点之间的距离之和；S8，判断计算距离之和是否大于设定阈值；S9，如果S8中判断结果为否，则删除其中一张图；S10，如果S8中判断结果为是，则两张图像均保存。2.根据权利要求1所述的一种安全帽佩戴检测的图像数据集冗余清洗方法，其特征在于：所述步骤S3中输出中仅保留检测到人的结果数据替换为VOC数据集中标注为person的结果数据。3.根据权利要求1所述的一种安全帽...

【专利技术属性】
技术研发人员：陈轶，张文，王茂森，牛少彰，崔浩亮，冯亚辉，王让定，
申请(专利权)人：浙江砖助智连科技有限责任公司，
类型：发明
国别省市：