一种工地安全防护用品的多步骤小目标检测方法技术

本发明专利技术提供一种工地安全防护用品的多步骤小目标检测方法，包括：获取工地工作人员穿戴安全防护用品的目标图像数据集；基于YOLOv7模型，对目标图像数据集进行第一目标检测，获得第一检测结果数据集，并对第一检测结果数据集进行置信度筛选和图片切片处理后，并入目标图像数据集，获得第一图像数据集；基于改进的YOLOv7模型，对第一图像数据集进行第二目标检测，获得第二检测结果数据集，并对第二检测结果数据集进行区域裁剪处理，以及利用非极大值抑制法进行连续筛选，获得目标检测结果。本发明专利技术利用YOLOv7模型和改进YOLOv7模型，进行多步骤小目标检测，提高了对较小的远距离目标的识别准确率，可降低错误预警的概率。可降低错误预警的概率。可降低错误预警的概率。

【技术实现步骤摘要】
一种工地安全防护用品的多步骤小目标检测方法


[0001]本专利技术涉及目标检测
，尤其涉及一种工地安全防护用品的多步骤小目标检测方法。

技术介绍

[0002]目前，一些工地建立了施工范围内工作人员视频监控系统，但是，对于大量的监控屏幕，在任何时候都能识别出所有安全违规行为是极其困难的，对施工现场内每一实时监控图像中工作人员是否穿戴安全防护用品进行检测的难度较大；通过基于智能视觉的系统来执行监视任务，可以对施工现场内每一实时监控图像中工作人员是否佩戴安全防护用具进行自动检测，降低工地安全事故发生的概率。但现有市场上基于智能视觉的系统在实际应用中普遍存在精度不足、错检率高和容易误报等现象，需要人工进行最终审核；在工地的监控视频中，施工现场活动范围广，像安全帽、安全绳等较小的远距离目标，难免会出现识别精度不高、漏检的情况；为了对难以识别的目标(即较小的远距离目标)进行检测，目前通常都是采用降低模型检测置信度的方法以确保不被漏检，然而由于置信度降低又会带来大量的错误预警，增加人工审核成本，而且严重影响监视系统的运行。
[0003]因此，需要一种工地安全防护用品的多步骤小目标检测方法。

技术实现思路

[0004]本专利技术提供了一种工地安全防护用品的多步骤小目标检测方法，通过从视频监控图像中提取小目标区域，并利用YOLOv7模型和改进YOLOv7模型，采用多步骤小目标检测方法，提高了对较小的远距离目标的识别准确率，能够有效检测工地上工作人员的安全防护用品穿戴情况，降低了错误预警的概率。
[0005]一种工地安全防护用品的多步骤小目标检测方法，包括：
[0006]S1：获取工地工作人员穿戴安全防护用品的目标图像数据集；
[0007]S2：基于YOLOv7模型，对目标图像数据集进行第一目标检测，获得第一检测结果数据集，并对第一检测结果数据集进行置信度筛选和图片切片处理后，并入目标图像数据集，获得第一图像数据集；
[0008]S3：基于改进的YOLOv7模型，对第一图像数据集进行第二目标检测，获得第二检测结果数据集，并对第二检测结果数据集进行区域裁剪处理，以及利用非极大值抑制法进行连续筛选，获得目标检测结果。
[0009]进一步地，S1包括：
[0010]S101：基于工地区域内布设的视频监控系统，采集获取工地区域内的工作人员穿戴安全防护用品的初始图像数据集；安全防护用品包括但不限于安全帽、反光衣或安全绳；
[0011]S102：根据安全防护用品的种类，制作安全防护用品的类别标签，根据安全防护用品的类别标签对初始图像数据集进行分类，生成目标图像数据集；对目标图像数据集进行随机划分，获得数据训练集和数据测试集。
[0012]进一步地，S2包括：
[0013]S201：基于YOLOv7模型，利用数据训练集进行训练后，生成目标检测模型，利用目标检测模型对数据测试集进行第一目标检测，获得第一初始检测结果数据集；
[0014]S202：设置第一目标检测的置信区间，基于置信区间对第一初始检测结果数据集进行筛选，将置信度位于置信区间内的第一初始检测结果数据集中的图像数据，汇总得到第一筛选图像数据集；
[0015]S203：对第一筛选图像数据集进行切片处理，获得第一筛选处理图像数据集，将第一筛选处理图像数据集并入目标图像数据集，获得第一图像数据集。
[0016]进一步地，S3包括：
[0017]S301：改进YOLOv7模型，获得改进的YOLOv7模型；
[0018]S302：基于改进的YOLOv7模型，对第一图像数据集进行第二目标检测，获得第二检测结果数据集；
[0019]S303：对第二检测结果数据集进行区域裁剪处理，以及利用非极大值抑制法进行连续筛选，获得目标检测结果。
[0020]进一步地，S301包括：在YOLOv7模型中的SPPCSPC模块前增加设置ACmix模块，并在YOLOv7模型中增加设置小目标检测层，获得改进的YOLOv7模型。
[0021]进一步地，S302包括：
[0022]S3021：对第一图像数据集进行随机划分，获得第一数据训练集；
[0023]S3022：基于改进的YOLOv7模型，按照预设的训练周期和训练批次，对第一数据训练集进行训练，获得安全防护用品小目标检测模型；
[0024]S3023：基于安全防护用品小目标检测模型，对第一筛选处理图像数据集进行第二目标检测，获得第二检测结果数据集。
[0025]进一步地，S3023中对第一筛选处理图像数据集进行第二目标检测包括：
[0026]S3023
‑
1：设置预测框的交并比阈值，采用非极大值抑制法筛选预测框，获得预测框筛选结果序列，将预测框筛选结果序列中排在预设第一序列值前的预测框作为第一目标预测框；
[0027]S3023
‑
2：裁剪获得第一筛选处理图像数据集中的第一筛选处理图像的对应区域，根据对应区域生成第一筛选处理区域图像；将第一筛选处理区域图像缩放到预设规格后，输入安全防护用品小目标检测模型，输出得到第二预测框，采用非极大值抑制法筛选第二预测框，获得第二预测框筛选结果序列，将第二预测框筛选结果序列中排在预设第二序列值前的预测框作为第二目标预测框；
[0028]S3023
‑
3：汇总第一目标预测框和第二目标预测框，生成目标预测框；采用非极大值抑制法筛选目标预测框，获得目标预测框筛选结果序列，根据预设的筛选条件获得目标检测结果。
[0029]进一步地，S3023
‑
3中根据预设的筛选条件获得检测结果，包括：获取目标预测框筛选结果序列所对应的若干个预测准确率，并获得最大预测准确率；将最大预测准确率所对应的目标预测框，作为目标检测结果。
[0030]进一步地，还包括S4，对目标检测结果所对应的不规范的安全防护用品穿戴情况进行纠错提醒，具体步骤为：
[0031]S401：获取目标检测结果中所对应的不规范的安全防护用品的目标类别标签；所述目标类别标签包括二维码、条形码和数字字母组合符号的一种或多种；
[0032]S402：将目标类别标签与工地安全管理平台的数据库中的预设类别标签数据库中的源类别标签进行匹配，获得相匹配的第一源类别标签；
[0033]S403：基于第一源类别标签，获取安全防护用品的目标用户基本数据；
[0034]S404：基于目标用户基本数据，获得目标用户；利用工地安全管理平台，通过远程对讲语音提醒，或发送提醒信息到目标用户携带的移动终端设备，或控制安全防护用品的智能报警装置启动报警的方式，提醒目标用户对不规范的安全防护用品穿戴情况进行自行纠错。
[0035]进一步地，还包括S5，基于历史目标检测记录和历史安全问题数据，进行目标检测结果的评估和不安全评级，并根据评级结果对工作人员进行违规处理；具体步骤为：
[0036]S501：获取历史目标检测记录数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工地安全防护用品的多步骤小目标检测方法，其特征在于，包括：S1：获取工地工作人员穿戴安全防护用品的目标图像数据集；S2：基于YOLOv7模型，对目标图像数据集进行第一目标检测，获得第一检测结果数据集，并对第一检测结果数据集进行置信度筛选和图片切片处理后，并入目标图像数据集，获得第一图像数据集；S3：基于改进的YOLOv7模型，对第一图像数据集进行第二目标检测，获得第二检测结果数据集，并对第二检测结果数据集进行区域裁剪处理，以及利用非极大值抑制法进行连续筛选，获得目标检测结果。2.根据权利要求1所述的一种工地安全防护用品的多步骤小目标检测方法，其特征在于，S1包括：S101：基于工地区域内布设的视频监控系统，采集获取工地区域内的工作人员穿戴安全防护用品的初始图像数据集；安全防护用品包括但不限于安全帽、反光衣或安全绳；S102：根据安全防护用品的种类，制作安全防护用品的类别标签，根据安全防护用品的类别标签对初始图像数据集进行分类，生成目标图像数据集；对目标图像数据集进行随机划分，获得数据训练集和数据测试集。3.根据权利要求1所述的一种工地安全防护用品的多步骤小目标检测方法，其特征在于，S2包括：S201：基于YOLOv7模型，利用数据训练集进行训练后，生成目标检测模型，利用目标检测模型对数据测试集进行第一目标检测，获得第一初始检测结果数据集；S202：设置第一目标检测的置信区间，基于置信区间对第一初始检测结果数据集进行筛选，将置信度位于置信区间内的第一初始检测结果数据集中的图像数据，汇总得到第一筛选图像数据集；S203：对第一筛选图像数据集进行切片处理，获得第一筛选处理图像数据集，将第一筛选处理图像数据集并入目标图像数据集，获得第一图像数据集。4.根据权利要求1所述的一种工地安全防护用品的多步骤小目标检测方法，其特征在于，S3包括：S301：改进YOLOv7模型，获得改进的YOLOv7模型；S302：基于改进的YOLOv7模型，对第一图像数据集进行第二目标检测，获得第二检测结果数据集；S303：对第二检测结果数据集进行区域裁剪处理，以及利用非极大值抑制法进行连续筛选，获得目标检测结果。5.根据权利要求4所述的一种工地安全防护用品的多步骤小目标检测方法，其特征在于，S301包括：在YOLOv7模型中的SPPCSPC模块前增加设置ACmix模块，并在YOLOv7模型中增加设置小目标检测层，获得改进的YOLOv7模型。6.根据权利要求4所述的一种工地安全防护用品的多步骤小目标检测方法，其特征在于，S302包括：S3021：对第一图像数据集进行随机划分，获得第一数据训练集；S3022：基于改进的YOLOv7模型，按照预设的训练周期和训练批次，对第一数据训练集进行训练，获得安全防护用品小目标检测模型；
S3023：基于安全防护用品小目标检测模型，对第一筛选处理图像数据集进行第二目标检测，获得第二检测结果数据集。7.根据权利要求6所述的一种工地安全防护用品的多步骤小目标检测方法，其特征在于，S3023中对第一筛选处理图像数据集进行第二目标检测包括：S3023
‑<...

【专利技术属性】
技术研发人员：李峘，程平凡，王青林，邱生顺，周凤麒，韩梅霞，刘雪峰，
申请(专利权)人：三峡长电大数据科技宜昌有限公司三峡高科信息技术有限责任公司，
类型：发明
国别省市：