一种面向施工现场安全帽检测追踪方法、设备及存储介质技术

本发明专利技术公开了一种面向施工现场安全帽检测追踪方法、设备及存储介质。本发明专利技术将实时采集到的视频帧图像转化为图像数据，将图像数据进行相关数据处理，通过改进后的YOLOv5目标检测网络，得到边界框和类别信息输入到改进后的Deep Sort模型，实现各帧视频图像的连续追踪。本发明专利技术可以加强对安全帽的检测能力，提高实检测精度，鲁棒性与实时速度，有效改善在目标检测阶段复杂场景下工人被遮挡后Deep Sort模型的ID跳变问题，使得安全帽检测追踪过程中的漏检与误检率得到相对的减少。

【技术实现步骤摘要】

本专利技术涉及安全帽智能检测领域，具体为一种面向施工现场安全帽检测追踪方法、设备及存储介质。

技术介绍

1、随着这些年的安防监控技术的技术水平与稳定性不断提升，基于视频的实时监测被越来越广泛地运用到工业安全领域。由于在工业与工地的生产施工过程中不可控的情况时有发生，而造成工作人员伤害的原因往往是因为没有完全落实正确操作规范，没有佩戴安全防护用具。为了避免此类情况的发生，只靠人力进行巡视检查，不仅耗费精力，而且容易出现纰漏。通过工业安防监控的实时监测，可以有效解决这类问题。

2、针对施工现场的安全帽检测追踪，由于安全帽形状单一，在施工现场受到环境的复杂，遮挡，光线，以及距离远近等问题的影响，使得在检测过程中容易出现漏检、误检的情况。通过这些年，国内外的不断研究，如今取得了一定的成果，但是在复杂场景中的安全帽的检测，对相关设备部署考虑到轻量化、在有遮挡情况下追踪等方面依然存在不足。

技术实现思路

1、本专利技术针对现有技术的不足，提供了一种面向施工现场安全帽检测追踪方法、设备及存储介质。

本文档来自技高网...

【技术保护点】

1.一种面向施工现场安全帽检测追踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种面向施工现场安全帽检测追踪方法，其特征在于，步骤1具体是：

3.根据权利要求1所述的一种面向施工现场安全帽检测追踪方法，其特征在于，步骤2中YOLOv5模型的改进，包括：

4.根据权利要求3所述的一种面向施工现场安全帽检测追踪方法，其特征在于，改进的ShuffleNetV2是将ShuffleNetV2的网络单元ShuffleUnit的深度可分离卷积层的卷积核大小从3×3改为3×3与5×5的混合卷积，ShuffleNetV2的深度卷积后的1×1的逐点卷积去除；...

【技术特征摘要】

1.一种面向施工现场安全帽检测追踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种面向施工现场安全帽检测追踪方法，其特征在于，步骤1具体是：

3.根据权利要求1所述的一种面向施工现场安全帽检测追踪方法，其特征在于，步骤2中yolov5模型的改进，包括：

4.根据权利要求3所述的一种面向施工现场安全帽检测追踪方法，其特征在于，改进的shufflenetv2是将shufflenetv2的网络单元shuffleunit的深度可分离卷积层的卷积核大小从3×3改为3×3与5×5的混合卷积，shufflenetv2的深度卷积后的1×1的逐点卷积去除；同时增加cbam注意力机制，使...

【专利技术属性】
技术研发人员：徐升，侯平智，吴锋，左志斌，苗雨晨，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：