【技术实现步骤摘要】
一种基于改进的YOLOv5模型的安全帽检测算法
[0001]本专利技术涉及电子信息与建筑工程结合应用领域，具体讲的是一种基于改进的YOLOv5模型的安全帽检测算法。
技术介绍
[0002]早在 2004 年的时候就已有人使用 Hough 的方法对安全帽进行识别。但是该方法所获得的是近距离室内的高清图像信息，显然这并不适用于施工现场的远程监控。另有以蔡利梅为代表的利用安全帽外部性质的方向等信息来模拟安全帽，这适用处于较复杂环境下如采集矿井信息的安全帽检测，但其需要匹配到来自外部的准确信息特征。以上检测方法主要以安全帽的圆弧形状特质为基础进行研究。
[0003]目前还有以工人的面部特征与肤色等综合信息将人脸区域进行定位，并通过头发与安全帽的色差、比较了不同的分类器，以此来判测工人是否佩戴了安全帽；以及基于安全帽颜色信息统计分布的情况，结合视频流中人的动态目标及其色度值，进一步通过匹配安全帽颜色来判测安全帽佩戴的情况等技术，但是上述方法都需要工人做工期间的正脸区域检测信息和反馈数据。现代安全文明施工的规定，每种颜色的安全帽...
【技术保护点】
【技术特征摘要】
1.一种基于改进的YOLOv5模型的安全帽检测算法，其特征在于，包括以下步骤：步骤1、收集施工场所安全帽佩戴图像，按比例分为训练集和测试集，对训练集中图片上的安全帽进行手动标注；步骤2、对训练集图片进行增强，从而对训练集进行扩充，得到扩充后的训练集；步骤3、从扩充后的训练集中随取选取一张图片并输入安全帽检测网络的初步特征提取模块，初步特征提取模块对图片上的安全帽对象进行特征提取，并对提取特征进行动态调整，得到不同尺度的特征图，对不同尺度的特征图进行特征融合，得到融合后的特征图；步骤4、将融合后的特征图输入安全帽检测网络的动态注意力机制模块，通过对特征图的各个通道的自主学习，辨别各个通道的重要程度，主动增强不同通道的权重值，并进行通道特征融合，得到通道融合后的特征图，对通道融合后的特征图进行标记得到调整后的先验框；步骤5、将步骤4得到的标记了调整后先验框的特征图输入安全帽检测网络的卷积模块进行训练，对先验框进行进一步筛选，保留的先验框为建议框，得到标注建议框的图片；步骤6、将步骤5得到的标注建议框图片输入安全帽检测网络中的回归和分类模块中，采用WBF算法为建议框设置不同的权重，按权重对每个安全帽对象对应的所有建议框进行加权融合，得到每个安全帽对象对应的最终候选框，迭代次数加1；步骤7、将最终候选框与手动标注结果进行对比，计算损失函数，若损失函数达到最小值或迭代次数达到最大迭代次数，转到下一步，否则转到步骤3；安全帽检测模型；步骤8、得到训练后的安全帽检测模型，将步骤1中的测试集输入安全帽检测网络模型中，输出标注有安全帽的图像。2.根据权利要求1所述的基于改进的YOLOv5模型的安全帽检测算法，其特征在于，所述步骤2中对训练集进行扩充的方法包括以下步骤：步骤2.1、对训练集的图像进行数据增强后，随机选取9张图片，进行缩放、旋转再随机拼接组成一张图片，将拼接后的图片加入训练集；步骤2.2、多次重复步骤2.1，得到扩充后的训练集；根据权利要求2所述的基于改进的YOLOv5模型的安全帽检测算法，其特征在于，所述步骤2.1中的数据增强具体为：采用Mascio数据增强方法，通过利用调整图片色相、调整图片曝光量、调整图片饱和度或增加图片模糊方式进行数据增强，再将任意选取的9张图片，经...
【专利技术属性】
技术研发人员：邓在辉，徐华，罗瑞奇，同小军，徐杰，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：
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。