一种安全帽检测识别方法技术

本发明专利技术提供了一种安全帽检测识别方法，属于计算机视觉的目标检测技术领域，该安全帽检测识别方法包括以下步骤：获取需要检测的监控图像数据，并对需要检测的监控图像数据进行预处理；采用YOLOX目标检测算法建立安全帽检测模型；对安全帽检测模型进行训练和优化；将需要检测的监控图像数据输入到安全帽检测模型中进行计算；根据计算结果进行判断，安全帽检测模型的优化步骤包括：构造YOLOX

【技术实现步骤摘要】
一种安全帽检测识别方法


[0001]本专利技术属于计算机视觉的目标检测
，具体而言，涉及一种安全帽检测识别方法。

技术介绍

[0002]在我国，建筑和电力行业人员的高海拔作业中，由于缺少安全帽而导致的事故数量频繁增加。对施工人员戴安全帽的监测已成为施工单位关注的重点。目前，大多数现场监测施工工人配戴安全帽与否都是人工监测。当现场环境恶劣时，会对监测人员的身心健康和主观情绪有所影响，而且监测人员很难了解每个空中作业人员的具体安全形势，使得人工监测方法效率低、成本高。随着人工智能的发展，基于深度学习理论的目标检测算法为佩戴安全帽检测提供了新的方向。
[0003]深度学习中目标检测算法以卷积神经网络为基础，主要包括两阶段目标检测算法和单阶段目标检测算法。YOLOX是基于YOLOv3改进的单阶段目标检测算法，由于其没有设置先验框，所以也是基于Anchor free的目标检测算法。虽然YOLOX性能好于大多数目标检测算法，但是在其结构上还有改进的空间。由于高空和施工地等较远距离的安全帽面积小，导致现有的目标检测算法如YOLOX识别效果较差，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种安全帽检测识别方法，其特征在于，包括以下步骤：S10：获取需要检测的工人是否佩戴安全帽监控图像数据，并对所述需要检测的监控图像数据进行预处理；S20：将YOLOX目标检测模型作为改进的基准模型，采用上述的YOLOX目标检测算法建立安全帽检测模型；S30：对安全帽检测模型进行训练和优化；S40：将所述需要检测的监控图像数据输入到所述安全帽检测模型中进行计算；S50：所述安全帽检测模型中输出计算阈值，所述阈值为0.45，根据所述阈值来筛选重复的检测框，保留最大概率数值对应的检测框，即为输出结果。2.根据权利要求1所述的一种安全帽检测识别方法，其特征在于，其中，S10的具体步骤为：第一步：对所有工人佩戴情况进行统一拍照形成安全帽数据；第二步：对收集到的安全帽数据集进行分类：安全帽数据集的类别为两类，一类为已佩戴安全帽，另一类为未佩戴安全帽；第三步：从原始安全帽数据集中选出至少含有一个已佩戴安全帽的目标作为筛选条件，进行数据增强操作形成新的安全帽数据集；第四步：使用图像标注工具对新的安全帽数据集进行VOC格式数据集的标注，进行数据集的分类。3.根据权利要求1所述的一种安全帽检测识别方法，其特征在于，其中，所述数据增强操作为对原有的安全帽数据集进行仿射变换操作来丰富数据集种类，形成新的安全帽数据集。4.根据权利要求1所述的一种安全帽检测识别方法，其特征在于，其中，所述数据集分类为将新的安全帽数据集分为训练集、验证集和测试集。5.根据权利要求1所述的一种安全帽检测识别方法，其特征在于，所述安全帽检测模型包含1个输入层，3个卷积层，3个Relu非线性激活层，3个池化层，1个全连接层以及1个输出层。6.根据权利要求1所述的一种安全帽检测识别方法，其特征在于，其中，S30的训练和优化步骤包括：第一步：构造YOLOX...

【专利技术属性】
技术研发人员：张泽泉，黄祖源，李辉，张航，曾晓雯，高宇豆，唐力，
申请(专利权)人：云南电网有限责任公司信息中心，
类型：发明
国别省市：