安全帽佩戴检测方法和装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种安全帽佩戴检测方法和装置、电子设备及存储介质。该方法包括从GitHub上采集用于安全帽检测的数据集，并将数据集划分为训练集、验证集、测试集；采用深度学习Pytorch框架配置网络的环境参数，并基于环境参数搭建YOLOv7‑Tiny基础模型；在YOLOv7‑Tiny基础模型的主干网络和检测头前引入坐标注意力机制，并对基础模型的多尺度特征融合网络进行改进，得到目标检测网络模型；使用训练集和验证集对目标检测网络模型进行训练，得到训练好的目标检测网络模型的模型权重；将测试集输入到训练好的目标检测网络模型，得到检测结果。基于此，本发明专利技术实施例能够部署到移动端并提高检测的精度。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，尤其涉及一种安全帽佩戴检测方法和装置、电子设备及存储介质。

技术介绍

1、房屋市政工程当中不少安全事故与作业工人未正确佩戴安全帽有关。传统的人工监管方法在监控范围扩大和时间延长的情况下容易产生视觉疲劳，导致误判，同时耗费大量人力和物力资源，难以满足安全管理要求。因此，采用高效的目标检测方法进行自动化安全帽检测显得尤为重要。

2、现有基于目标检测的安全帽检测技术，一方面，在安全帽检测任务中，安全帽和人头部在图像中像素占比较小，同时物体间普遍存在遮挡等问题易造成语义和细节等信息特征提取不充分，进而导致误检、漏检；另一方面，当前众多主流目标检测算法普遍存在模型参数量大的问题，使得模型不易部署到移动端等设备。

技术实现思路

1、本专利技术实施例的主要目的在于提出一种安全帽佩戴检测方法和装置、电子设备及存储介质，能够增强算法对小目标的检测能力，减少漏检、误检等情况，从而提高检测的精度；同时通过大幅降低模型的参数量，使其能够部署到移动端或者嵌入式设备，以满足实际检测的应用场景。...

【技术保护点】

1.一种安全帽佩戴检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述在所述YOLOv7-Tiny基础模型的主干网络和检测头前引入坐标注意力机制，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述YOLOv7-Tiny基础模型的多尺度特征融合网络进行改进，包括：

4.根据权利要求1所述的方法，其特征在于，所述目标检测网络模型选用准确率Precision、召回率Recall、平均精确度AP、平均精确度均值mAP指标评价模型的检测精度，使用参数量Params指标评价模型的大小，其中，准确率P和召回率R公式分别为：<...

【技术特征摘要】

1.一种安全帽佩戴检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述在所述yolov7-tiny基础模型的主干网络和检测头前引入坐标注意力机制，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述yolov7-tiny基础模型的多尺度特征融合网络进行改进，包括：

4.根据权利要求1所述的方法，其特征在于，所述目标检测网络模型选用准确率precision、召回率recall、平均精确度ap、平均精确度均值map指标评价模型的检测精度，使用参数量params指标评价模型的大小，其中，准确率p和召回率r公式分别为：

5.根据权利要求4所述的方法，其特征在于，所述使用所述训练集和所述验证集对所述目标检测网络模型进行训练，得到训练好的所述目标检测网络模型的模型权重，包括：

6.根据权利要求1所述的方法，其特征在于，所述yolov7-tiny基础模型由input输入端、backbone骨干网络、neck颈部网络、head输出端四部分组成；所述input输入端将图片进行裁剪成(640,640)的尺寸输入网络，并使用mixup、mosaic等数据增强方式提升网络的精度；所述backbone骨干网络由cbl、...

【专利技术属性】
技术研发人员：洪智勇，刘聪，余文华，
申请(专利权)人：五邑大学，
类型：发明
国别省市：