基于无人机航拍的电动车骑手头盔佩戴监测系统技术方案

本发明专利技术公开一种基于无人机航拍的电动车骑手头盔佩戴监测系统，其所述系统包括：设于无人机上的云台，云台上集成有摄像机，无人机在指定道路的上空进行低速航拍，将拍摄到的道路图像传输至处理单元；处理单元检测道路图像中是否存在未带头盔的电动车骑手，若存在，则无人机发出佩戴头盔提醒。本发明专利技术通过对YOLOv7网络结构进行改进，提升电动车头盔的检测精度，用于改善电动车骑手不佩戴头盔的现象。用于改善电动车骑手不佩戴头盔的现象。用于改善电动车骑手不佩戴头盔的现象。

【技术实现步骤摘要】
基于无人机航拍的电动车骑手头盔佩戴监测系统


[0001]本专利技术属于人工智能
，更具体地，本专利技术涉及一种基于无人机航拍的电动车骑手头盔佩戴监测系统。

技术介绍

[0002]在实际道路行驶中，为获取有限路权，电动车与其他交通参与物需频繁进行博弈交互，其间极易产生相互碰撞，形成交通事故。其中头盔作为保护骑手头部的防护设备，可以有效的降低交通事故中电动车骑手的头部受创程度，从而保障骑手的生命安全。但是当前对电动车骑手头盔佩戴情况的检查，主要是依靠人工，难以进行持续的执法监督，不依法依规佩戴头盔的现象往往呈现出一段时期严厉监管后迅速反弹。因此电动车骑手佩戴头盔骑行是个亟待解决的问题。
[0003]利用无人机航拍监测电动车头盔是改善电动车骑手佩戴头盔骑行的一种可行方案。但这种方案还面临着一些挑战，具体如下：
[0004]无人机航拍检测到的大多是小目标，网络模型利用卷积神经网络对小目标进行特征提取时，小目标特征信息在经过不断卷积过程时会造成特征信息严重丢失的问题，进而对航拍小目标检测效果偏差，最终影响电动车头盔的检测精准性。

技术实现思路

[0005]本专利技术提供一种基于无人机航拍的电动车骑手头盔佩戴监测系统，旨在改善上述问题。
[0006]本专利技术是这样实现的，基于无人机航拍的电动车骑手头盔佩戴监测系统，其特征在于，所述系统包括：
[0007]设于无人机上的云台，云台上集成有摄像机，无人机在指定道路的上空进行低速航拍，将拍摄到的道路图像传输至处理单元；
[0008]处理单元检测道路图像中是否存在未带头盔的电动车骑手，若存在，则无人机发出佩戴头盔提醒。
[0009]进一步的，通过YOLOv7网络输出道路图像中的电动车、骑手以及头盔的检测框以及各检测框的置信度。
[0010]进一步的，未带头盔的电动车骑手识别方法具体如下：
[0011]读取道路图像中电动车所在检测框及其置信度，检测电动车所在检测框的置信度是否达到设定的置信度阈值，若检测结果为是，则检测电动车所在检测框内是否存在骑手的检测框，若存在，则判断骑手所在检测框的置信度是否大于置信度阈值，若检测结果为是，则检测骑手所在检测框内是否存在头盔的检测框，若检测结果为否，则认定骑手未佩戴头盔，若检测结果为是，则检测头盔所在检测框的置信度是否大于置信度阈值，若检测结果为是，则认定电动车上的骑手佩戴头盔，若检测结果为否，则认定电动车上的骑手未佩戴头盔。
[0012]进一步的，通过YOLOv7网络输出道路图像中骑电动车的骑手以及头盔的检测框以及各检测框的置信度。
[0013]进一步的，未带头盔的电动车骑手识别方法具体如下：
[0014]将电动车及电动车上的骑手作为一个目标物体，读取道路图像中目标物体所在检测框及其置信度，检测目标物体所在检测框的置信度是否达到设定置信度阈值，若检测结果为是，则检测目标物体所在检测框内是否存在头盔的检测框，若检测结果为否，则认定骑手未佩戴头盔，若检测结果为是，则检测头盔所在检测框的置信度是否大于置信度阈值，若检测结果为是，则认定电动车上的骑手佩戴头盔，若检测结果为否，则认定电动车上的骑手未佩戴头盔。
[0015]进一步的，YOLOv7网络由依次连接的Input端、Backbone层、Neck层及Head层组成；Backbone层的最后一个及倒数第二个ELAN模块后设置IECA模块。
[0016]进一步的，IECA模块包括：
[0017]并行连接的MaxPool层和AvgPool层；MaxPool层的输出与卷积层连接进行输出，输入Concat融合层进行融合，AvgPool层的输出与卷积层连接进行输出，输入Concat融合层进行融合，Concat融合层连接Sigmoid函数与IECA模块的输入相乘进行输出。
[0018]进一步的，在Ncek层中设置有融合模块Fusion，Backbone层中相邻的两个ELAN模块分别通过两个CBS模块与一个融合模块Fusion连接，用于融合Backbone层输出的特征图像信息。
[0019]进一步的，Fusion模块包括：
[0020]与输入端连接的Concat融合层1，Concat融合层1与两个并行的卷积层Conv连接，其中一个卷积层Conv依次与由可变形卷积层DConv与卷积层Conv组成的三组卷积组串联，另一个卷积层Conv及每个卷积组的输出端均与Concat融合层2连接，Concat融合层2的输出端即为Fusion模块的输出端。
[0021]进一步的，Head层利用KLD损失函数进行检测框的回归损失计算，输出(x,y,w,h,θ)旋转边框，其中(x,y)分别表示旋转边框中心点坐标，w、h分别表示旋转边框的长边和短边，θ是指x轴正方向和长边w的夹角。
[0022]本专利技术通过对YOLOv7网络结构进行改进，提升电动车头盔的检测精度，用于改善电动车骑手不佩戴头盔的现象。
附图说明
[0023]图1为本专利技术实施例提供的基于无人机航拍电动车骑手头盔佩戴监测系统的结构示意图；
[0024]图2为本专利技术实施例提供改进YOLOv7网络的结构示意图；
[0025]图3为本专利技术实施例提供的IECA模块的结构示意图；
[0026]图4为本专利技术实施例提供的Fusion模块的结构示意图；
[0027]图5为本专利技术实施例提供的基于无人机航拍电动车骑手头盔佩戴监测方法流程图。
具体实施方式
[0028]下面对照附图，通过对实施例的描述，对本专利技术的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本专利技术的专利技术构思、技术方案有更完整、准确和深入的理解。
[0029]图1为本专利技术实施例提供的基于无人机航拍电动车骑手头盔佩戴监测系统的结构示意图，为了便于说明，仅示出与本专利技术实施例相关的部分。该系统包括：
[0030]设于无人机上的云台，云台上集成有摄像机，无人机在指定道路的上空进行低速航拍，将拍摄到的道路图像传输至处理单元；
[0031]处理单元检测道路图像中是否存在未戴头盔的电动车骑手，若存在，则无人机发出佩戴头盔提醒。
[0032]在本专利技术实施例中，摄像机将实时航拍的道路图像输入改进的YOLOv7网络，改进的YOLOv7网络输出道路图像中的电动车、骑手以及头盔的检测框以及各检测框的置信度，基于道路图像中的检测框来识别未戴头盔的电动车骑手，其识别方法具体如下：
[0033]方法1：读取道路图像中电动车所在检测框及其置信度，检测电动车所在检测框的置信度是否达到设定的置信度阈值，若检测结果为是，则认定道路图像中存在电动车，进而检测电动车所在检测框内是否存在骑手的检测框，若存在，则判断骑手所在检测框的置信度是否大于置信度阈值，若检测结果为是，则认定电动车上是存在骑手，进而检测骑手所在检测框内是否存在头盔的检测框，若检测结果为否，则认定骑手未佩戴头盔，若检测结果为是，则检测头盔所在检测框的置信度是否大于置信度阈值，若检测结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机航拍的电动车骑手头盔佩戴监测系统，其特征在于，所述系统包括：设于无人机上的云台，云台上集成有摄像机，无人机在指定道路的上空进行低速航拍，将拍摄到的道路图像传输至处理单元；处理单元检测道路图像中是否存在未带头盔的电动车骑手，若存在，则无人机发出佩戴头盔提醒。2.如权利要求1所述基于无人机航拍的电动车骑手头盔佩戴监测系统，其特征在于，通过YOLOv7网络输出道路图像中的电动车、骑手以及头盔的检测框以及各检测框的置信度。3.如权利要求2所述基于无人机航拍的电动车骑手头盔佩戴监测系统，其特征在于，未带头盔的电动车骑手识别方法具体如下：读取道路图像中电动车所在检测框及其置信度，检测电动车所在检测框的置信度是否达到设定的置信度阈值，若检测结果为是，则检测电动车所在检测框内是否存在骑手的检测框，若存在，则判断骑手所在检测框的置信度是否大于置信度阈值，若检测结果为是，则检测骑手所在检测框内是否存在头盔的检测框，若检测结果为否，则认定骑手未佩戴头盔，若检测结果为是，则检测头盔所在检测框的置信度是否大于置信度阈值，若检测结果为是，则认定电动车上的骑手佩戴头盔，若检测结果为否，则认定电动车上的骑手未佩戴头盔。4.如权利要求1所述基于无人机航拍的电动车骑手头盔佩戴监测系统，其特征在于，通过YOLOv7网络输出道路图像中骑电动车的骑手以及头盔的检测框以及各检测框的置信度。5.如权利要求4所述基于无人机航拍的电动车骑手头盔佩戴监测系统，其特征在于，未带头盔的电动车骑手识别方法具体如下：将电动车及电动车上的骑手作为一个目标物体，读取道路图像中目标物体所在检测框及其置信度，检测目标物体所在检测框的置信度是否达到设定置信度阈值，若检测结果为是，则检测目标物体所在检测框内是否存在头盔的检测框，若检测结果为否，则认定骑手未佩戴头盔，若检测结果为是，则检测头盔所在检测框的置信度是否大于置信度阈值，若检测结果为是，则认定电动车上的骑...

【专利技术属性】
技术研发人员：江明，张健，柏受军，万国扬，陶秀文，黄志远，陈金城，刘鹏，周阳，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：