【技术实现步骤摘要】
一种基于DETR模型的安全帽佩戴检测方法
[0001]本专利技术涉及施工环境安全工业领域和深度学习领域,具体涉及到一种基于
DETR
模型的安全帽佩戴检测方法
。
技术介绍
[0002]针对石化
、
煤炭
、
电力
、
建筑等特殊行业,在我国这些部门的职业安全事故发生率较高,因此安全生产是企业生存和发展的第一要素
。
根据我国的相关要求,进入施工现场必须佩戴安全帽,而且各行业的作业规范也对此做了严格的规定
。
但是,如果在进入工地时不戴安全帽,就可能会被施工地物品砸伤,这种情况时有发生,一旦发生事故可能会造成不可挽回的损失
。
[0003]一般的目标检测方法仅需在图片上判断是否存在检测目标,并获得目标数量,标记目标位置
。
对于安全帽佩戴检测算法,由于施工现场环境复杂,在此基础上还要求针对动态视频实时识别
、
深度优化,达到较高的识别跟踪精度;对光线
、
阴天等不同环境适应性强,且不受人员眼镜
、
胡须
、
发型
、
表情等遮挡影响;也不受到人员正面
、
背面
、
侧面
、
跑动
、
低头等不同姿态影响
。DETR
是英文
DEtectionTransformer
缩写,与传统目标检测方法相比,
DET ...
【技术保护点】
【技术特征摘要】
1.
一种基于
DETR
模型的安全帽佩戴检测方法,其特征在于,包括以下步骤:
S1
:采集安全帽数据图像,使用软件进行标注,获取安全帽数据集,对数据集进行预处理;
S2
:构建安全帽佩戴检测
DETR
模型,将处理后的数据集导入检测模型进行训练,得到优化后的安全帽佩戴检测
DETR
模型;
S3
:设置图像采集设备,捕获现场图像数据,通过安全帽佩戴检测
DETR
模型进行安全帽检测,判断来往人员是否佩戴安全帽
。2.
如权利要求1所述的一种基于
DETR
模型的安全帽佩戴检测方法,其特征在于,所述步骤
S1
的获取安全帽数据集具体为,通过图像采集设备与网络收集采集不同参数条件下的人员的头部图像,并使用软件进行标注,获取安全帽数据集,对安全帽数据集图像集进行预处理,去除无效样本图像,然后将数据集划分为训练集和验证集
。3.
如权利要求1所述的一种基于
DETR
模型的安全帽佩戴检测方法,其特征在于,所述步骤
S1
的数据预处理流程包括:数据增强
、
提取图片特征
、
特征融合
。4.
如权利要求3所述的一种基于
DETR
模型的安全帽佩戴检测方法,其特征在于,所述数据增强具体包括:采用缩放
、
平移
、
旋转
、
色彩变换以及加入噪声等操作增强数据,同时,还使用了
Mosaic
数据增强方法
。5.
如权利要求3所述的一种基于
DETR
模型的安全帽佩戴检测方法,其特征在于,所述提取图片特征具体为:采用
ResNet
‑
50
作为骨干网络对预处理后的图片进行特征提取,得到图片特征图,选取不同层的图片特征图输入至
Transformer
模型
。6.
如权利要求5所述的一种基于
DETR
模型的安全帽佩戴检测方法,其特征在于,所述选取不同层的图片特征图输入至
Transformer
模型的步骤具体为:选取第
3、4
和5层的图片特征图输入至
Transformer
模型
。7.
如权利要求3所述的一种基于
DETR
模型的安全帽佩戴检测方法,其特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。