一种基于YOLOv5的快速识别大场景多人工衣检测方法技术

本发明专利技术公开了一种基于YOLOv5的快速识别大场景多人工衣检测方法，包括：提取固定摄像头下拍摄的视频流的图像信息，考虑到采油作业现场的复杂性，利用LabelImg软件对图像中的前景进行标注，构建采油作业现场目标检测的数据集，随机划分成训练集:测试集＝8:2；根据训练结果调整网络的参数，并选取训练结果最优的模型作为最终的模型；提取油田现场视频流的图像信息作为输入到经过知识蒸馏后，已训练好的YOLOv5学生网络中进行前景信息识别得到检测数据；通过得到的检测信息，对工人进行二次检测；依据设置的标签阈值来对是否发生工人未穿着工衣进行判定并存储检测及判定信息。在环境照片存在工人未穿着工衣的情况下，则会进行报警。本发明专利技术使用知识蒸馏压缩网络模型，并且提取了图像的阀门区域和多尺度特征，解决了传统方法存在的效率低下问题，可快速准确地进行现场照片中工人未穿着工衣进行识别。场照片中工人未穿着工衣进行识别。场照片中工人未穿着工衣进行识别。

【技术实现步骤摘要】
一种基于YOLOv5的快速识别大场景多人工衣检测方法


[0001]本专利技术属于计算机视觉领域，尤其涉及一种基于YOLOv5的快速识别大场景多人工衣检测方法。

技术介绍

[0002]在石油作业现场，场景复杂，人员作业风险较高。为保证石油工人的人身安全，正确穿着工衣是十分必要的。通过监控进行全天候盯审的方式，人力物力成本高，效率低下。因此，使用一些智能技术对作业现场存在的未正确穿着工衣的现象进行智能分析具有重要意义。
[0003]随着计算机硬件的不断升级和人工智能技术的突破，机器学习和深度学习等人工智能变得越来越普及。其中，在油田安全生产领域，计算机视觉技术已经取得了令人瞩目的成果，使用目标检测、目标跟踪、姿态估计等计算机视觉技术对现场视频进行实时分析，对作业现场出现的未正确穿着工衣现象进行自动判别，有效代替了传统的人工监控方式，提高了现场的安全性和监管效率。

技术实现思路

[0004]本专利技术的目的是在于使用目标检测对未穿工衣现象进行自动报警，同时使用知识蒸馏提高模型推理速度，提高现有采油作业现场对工人工衣检测的效率。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLOv5的快速识别大场景多人工衣检测方法，其特征在于，包括：(1)制作采油作业现场目标检测数据集；先对视频数据进行分帧处理得到图像数据，利用LabelImg软件对的图像数据进行标定，制作采油现场作业数据集，最后将数据集按照固定比例随机划分为训练集与测试集；(2)在PyTorch框架下构建基于YOLOv5的大场景多人工衣目标检测教师模型和学生模型；(3)选取训练样本对大场景多人工衣目标检测教师模型进行训练及优化，分别对教师模型与学生模型的骨干网络和教师模型的输出与学生网络的输出进行蒸馏；(4)将待检测的视频流进行分帧处理后输入至训练好的大场景多人工工衣检测模型，得到检测数据；(5)根据得到的连续帧的检测数据，将被检测为工人的数据进行二次检测；(6)依据设置的标签阈值得到工人是否穿着工衣的状态并存储相关检测及判定信息。2.根据权利要求1所述的一种基于YOLOv5的大场景多人工衣检测方法，其特征在于，所述制作跑冒滴漏目标检测数据集包括：将油田作业现场的视频流数据进行分帧处理得到图像数据，因为采油现场前景信息复杂，利用LabelImg软件对图像数据中的工人、液压大钳、钳框等进行标定，得到图像及对应的标签文件，将图像数据以及对应的标签文件按照8:2随机划分为训练集与测试集。3.根据权利要求2所述的一种基于YOLOv5的大场景多人工衣检测方法，其特征在于，所述基于YOLOv5...

【专利技术属性】
技术研发人员：陶茜茜，赵静，梁鸿，宋贞耀，
申请(专利权)人：山东鼎鸿安全科技有限公司，
类型：发明
国别省市：