一种基于混合连接改进YOLOv5的安全帽佩戴检测方法技术

本发明专利技术公开了一种基于混合连接改进YOLOv5的安全帽佩戴检测方法。本发明专利技术方法通过收集现场作业图像，完成标注文件格式转换，建立安全帽佩戴检测数据集；并搭建YOLOv5v6.0网络，对网络结构进行改进，构建基于混合连接改进YOLOv5的安全帽佩戴检测网络模型；将所述数据集输入到YOLOv5网络模型进行训练，得出训练参数；完成模型部署和系统界面设计，利用测试样本做功能测试；若检测到样本中有人员未佩戴安全帽，则发出报警提示。本发明专利技术方法是一种可在任何施工作业环境中使用的智能安全帽佩戴自动化检测方法，且检测准确率高、检测速度快，有助于提高安全帽佩戴情况的检测效率，降低安全管理人员的工作强度，为智慧工地的实现和实施提供了新的视角。施提供了新的视角。施提供了新的视角。

【技术实现步骤摘要】
一种基于混合连接改进YOLOv5的安全帽佩戴检测方法


[0001]本专利技术涉及人工智能目标检测领域，特别涉及一种基于混合连接改进YOLOv5算法的安全帽佩戴检测方法。

技术介绍

[0002]安全帽可在油田钻井、采矿业等多种领域上起到良好的缓冲减震、分散应力效果，规范佩戴安全帽是保护人体头部的有效防护措施。安全帽佩戴监督检查对保护从业人员安全具有重大意义，也是生产经营单位必尽的职责和义务，正规生产单位都配备有安全管理人员对安全帽佩戴情况进行检查和监督。
[0003]随着计算机视觉技术的发展，计算机辅助监督检查成为了当代的常用方法之一。智能算法和设备先进程度不断精进，给计算机视觉技术带来许多可瞻望的发展可能、研究价值和意义。
[0004]目前，安全帽监督检查工作可根据检查资料形式被分为现场监督、照片检查、视频回放检查和实时摄像检查，每种方式都需要配备安全管理人员进行人工判断，不仅费时费力，而且可能会由于疲劳等人为主观因素造成漏看和误判。安全帽佩戴检测方法可被看作是针对安全帽佩戴情况的目标检测方法。YOLOv5作为近年产生的一阶段目标检测算法，以其精度高、速度快等卓越性脱颖而出，但目标精准度不高。

技术实现思路

[0005]本专利技术的目的在于克服现有技术中所存在的使用YOLOv5作为目标检测算法精准度不高的问题，提供了一种基于混合连接改进YOLOv5的安全帽佩戴检测方法。
[0006]为了实现上述专利技术目的，本专利技术提供了以下技术方案：
[0007]一种基于混合连接改进YOLOv5的安全帽佩戴检测方法，其特征在于，包括如下步骤：
[0008]S1、收集现场作业图像；
[0009]S2、对收集到的图像进行数据标注，完成标注文件格式转换，建立安全帽佩戴检测数据集；
[0010]S3、搭建YOLOv5 v6.0网络，对网络结构进行改进，构建基于混合连接改进YOLOv5的安全帽佩戴检测网络模型；
[0011]S4、将所述S2中建立的数据集输入所述S3中构建的改进YOLOv5网络模型进行训练，得出训练参数，保存得出的权重文件；
[0012]S5、完成模型部署和系统界面设计，利用测试样本做功能测试，包括：图像、视频、摄像头视频流；
[0013]S6、若检测到样本中有人员未佩戴安全帽，则发出报警提示，若无则回到所述步骤S4中。
[0014]本专利技术方法针对YOLOv5算法结构进行改进，进行局部残差连接和宏观密集连接的
短路连接结构、搭建压缩激活门控单元中使用组卷积、深度可分离卷积等结构，更新门使用Softmax实现新提取的特征信息有效融合、遗忘门使用Sigmoid函数实现重用特征的衰减，进一步提高模型检测的精准率。
[0015]优选地，所述步骤S1中，基于MS COCO数据集，结合网络爬虫工具获取安全帽类相关施工作业图像，以及根据使用环境有针对性对作业现场获取作业视频录像，包括：化工厂、施工现场等作业现场，截取视频帧，完成图像数据收集。
[0016]使用网络爬虫工具获取安全帽类相关施工作业图像，收集到的图片数据量较多，数据较为全面，使数据集更加丰富。
[0017]优选地，所述步骤S2中，包括如下步骤：
[0018]S21、使用Python中的QT开发界面Labelme对S1步骤中收集到的图像进行标注，将佩戴安全帽的内容标记为1，未佩戴安全帽的内容标记为0，将标注结果输出保存为xml格式文件；
[0019]S22、将标注文件转换为YOLO数据集标签文件，为txt格式；
[0020]S23、根据数据集内图像数量按照8：1：1比例划分训练集、验证集和测试集。
[0021]使用该方法，可以建立一个具有针对性的、全面的、准确的安全帽佩戴检测数据集。
[0022]优选地，所述步骤S3中，包括以下步骤：
[0023]S31、构建YOLOv5 v6.0网络，包括P1～P5，8个C3结构，一个SPPF结构、两个Upsample结构，其中，前4个C3结构使用BottleNeck1
×
n结构进行特征提取，后4个C3结构使用BottleNeck2
×
n结构进行特征提取；
[0024]S32、将所述BottleNeck1
×
n模块替换为引入了注意力机制的混合连接模块1，所述混合连接模块1的输入和输出之间增加一个密集连接(Dense connection)结构，并在最终输出之前添加一个1
×
1卷积层，既增强了模型对特征信息的传递和保护能力，又保证原有通道数不变；
[0025]S33、将所述BottleNeck2
×
n模块替换为混合连接模块2，所述混合连接模块1的输入和输出之间添加一个密集连接结构，所述混合连接模块2延续原有BottleNeck2
×
n结构特征，在所述混合连接模块1的基础上，去掉每两个单元结构之间的跳连结构；
[0026]S34、所述混合连接模块1和所述混合连接模块2中，均使用压缩激活门控结构代替原有的ConvBNSiLU结构；
[0027]S35、压缩激活门控结构中，使用1
×
1卷积和3
×
3组卷积构成压缩单元；使用并联的3
×
3和5
×
5的深度可分离卷积构成信息激活单元，在两个不同卷积核的深度可分离卷积层后连接一个具有注意力机制的门控结构更新门，用于对并联结构的两个输出的激活信息进行信息融合；在激活单元的外部并联一个遗忘门，用于对重复提取的特征信息进行过滤，在压缩单元之后与遗忘门的输出之间嵌入残差连接(Residual connection)结构，可实现所有C3结构内部的混合连接。
[0028]3×
3和5
×
5卷积得出的长度相似，使用并联的3
×
3和5
×
5的深度可分离卷积，是最轻量化的组合，且速度性能快，模型占用小。
[0029]这种用混合连接结构代替原本BottleNeck结构的方法，既可以加速特征信息的传递，保留更多的特征信息，实现特征信息的有效利用，又能够确保不增加模型的复杂度，使
得安全帽佩戴检测算法精度得到有效提高。
[0030]优选地，所述步骤S35压缩激活门控单元中，包括以下步骤：
[0031]S351、特征图像输入压缩激活门控单元，依次通过1
×
1卷积层和3
×
3组卷积层，二者可使用宽度乘数或步长来实现模型的降采样操作，得到特征维度减小后的特征图像，达到减小模型复杂度的目的；
[0032]S352、使用3
×
3和5
×
5深度可分离卷积并联的结构进行特征信息激活和数据填充，这样的设计可在保持两个并联输出维度相同的情况下，获得更多激活的特征信息，实现模型对信息的更有效学习；
[0033]S353、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合连接改进YOLOv5的安全帽佩戴检测方法，其特征在于，包括如下步骤：S1、收集现场作业图像；S2、对收集到的图像进行数据标注，完成标注文件格式转换，建立安全帽佩戴检测数据集；S3、搭建YOLOv5 v6.0网络，对网络结构进行改进，构建基于混合连接改进YOLOv5的安全帽佩戴检测网络模型；S4、将所述S2中建立的数据集输入所述S3中构建的改进YOLOv5网络模型进行训练，得出训练参数，保存得出的权重文件；S5、完成模型部署和系统界面设计，利用测试样本做功能测试，包括：图像、视频、摄像头视频流；S6、若检测到样本中有人员未佩戴安全帽，则发出报警提示，若无则回到所述步骤S4中。2.根据权利要求1所述的一种基于混合连接改进YOLOv5的安全帽佩戴检测方法，其特征在于，所述步骤S1中，基于MS COCO数据集，结合网络爬虫工具获取安全帽类相关施工作业图像，以及根据使用环境有针对性对作业现场获取作业视频录像，截取视频帧，完成图像数据收集。3.根据权利要求1所述的一种基于混合连接改进YOLOv5的安全帽佩戴检测方法，其特征在于，所述步骤S2中，包括如下步骤：S21、使用Python中的QT开发界面Labelme对S1步骤中收集到的图像进行标注，将佩戴安全帽的内容标记为1，未佩戴安全帽的内容标记为0，将标注结果输出保存为xml格式文件；S22、将标注文件转换为YOLO数据集标签文件，为txt格式；S23、根据数据集内图像数量按照比例划分训练集、验证集和测试集，最终建立具有针对性的安全帽佩戴检测数据集。4.根据权利要求1所述的一种基于混合连接改进YOLOv5的安全帽佩戴检测方法，其特征在于，所述步骤S3中，包括以下步骤：S31、构建YOLOv5 v6.0网络，包括P1～P5，8个C3结构，一个SPPF结构、两个Upsample结构，其中，前4个C3结构使用BottleNeck1
×
n结构进行特征提取，后4个C3结构使用BottleNeck2
×
n结构进行特征提取；S32、将所述BottleNeck1
×
n模块替换为引入了注意力机制的混合连接模块1，所述混合连接模块1的输入和输出之间增加一个密集连接结构，并在最终输出之前添加一个1
×
1卷积层；S33、将所述BottleNeck2
×
n模块替换为混合连接模块2，所述混合连接模块1的输入和输出之间添加一个密集连接结构，所述混合连接模块2延续原有BottleNeck2
×
n结构特征，在所述混合连接模块1的基础上，去掉每两个单元结构之间的跳连结构；S34、所述混合连接模块1和所述混合连接模块2中，均使用压缩激活门控结构代替原有的ConvBNSiLU结构；S35、压缩激活门控结构中，使用1
×
1卷积和3
×
3组卷积构成压缩单元；使用并联的3
×
3和5
×
5的深度可分离卷积构成信息激活单元，在两个不同卷积核的深度可分离卷积层后
连接一个具有注意力机制的门控结构更新门，用于对并联结构的两个输出的激活信息进行信息融合；在激活单元的外部并联一个遗忘门，用于对重复提取的特征信息进行过滤，在压缩单元之后与遗忘门的输出之间嵌入残差连接结构。5.根据权利要求1或4任意一项所述的一种基于混合连接改进YOLOv5的安全帽佩戴检测方法，其特征在于，所述步骤S35压缩激活门控单元中，实现特征信息的高效传播，包括以下步骤：S351、特征图像输入压缩激活门控单元，依次通过1
×
1卷积层和3
×
3组卷积层，通过降采样操作得到特征维度减小后的特征图像；S352、使用3
×
3和5
×
5深度可分离卷积并联的结构进行特征信息激活和数据填充；S353、在两个深度可分离卷积结构后连接一个更新门，用于不同支路的特征信息有效融合，经过3
×
3和5
×
5的深度可分离卷积之后分别得到特征图像进入更新门；S354、在所述S351的两个压缩结构之后与更新门的输出之间嵌入一个遗忘门和残差连接并联后加权聚合的结构，并使其与更新门的输出相加；然后分别经过第一全连接层、批...

【专利技术属性】
技术研发人员：曹振涛，颉志杰，李洁，王希刚，李跃杰，程倩，
申请(专利权)人：中国石油化工股份有限公司西南油气分公司，
类型：发明
国别省市：