一种基于改进YOLOv5s的电动车头盔佩戴检测方法技术

本发明专利技术公开了一种基于改进YOLOv5s的电动车头盔佩戴检测方法,包括以下步骤：S1，采集电动车头盔佩戴数据集，并按照比例划分为训练集、验证集和测试集；S2，将YOLOv5s主干网络和颈部网络中的C3模块改进为GBC3模块，构建改进YOLOv5s网络模型；S3，利用训练集对改进YOLOv5s网络模型进行训练，不断调整网络结构参数，直到获得满足条件的网络模型，并保存模型。本发明专利技术提高了对复杂路口场景下远距离小目标的检测能力，提升了电动车头盔等目标的定位性能。

【技术实现步骤摘要】

本专利技术涉及目标检测，尤其涉及一种基于改进yolov5s的电动车头盔佩戴检测方法。

技术介绍

1、目前，电动车出行的方式因其节能环保、体积小巧、速度轻快的特点，成为广大市民短途出行选择较多的交通工具。但市民的一些不安全驾驶习惯，引发了许多交通事故，其中的大部分事故是因为电动车驾乘人员未将头盔佩戴。据相关研究发现，未戴头盔时头部受伤的概率是佩戴头盔时的2.5倍，而致命伤的发生率则是佩戴头盔时的1.5倍。所以对头盔佩戴进行检测、减少相关安全事故的发生尤为必要。

2、随着近年来深度学习的发展，许多学者已将基于深度学习的目标检测算法应用到工业领域中对安全帽的佩戴检测，检测速度和准确度大幅提高，对工人生命安全保障起了一定的促进作用。类似地，为了更好地保护电动车驾乘者的安全和提高交警执法效率，研究基于深度学习的目标检测算法对驾乘者的头盔佩戴情况进行监测，具有很大的现实意义。

3、基于深度学习的目标检测算法是根据边界回归框生成的区别，分为基于区域选择的两阶段算法与基于回归的一阶段算法。两阶段算法主要有r-cnn系列、r-fcn等算法，一阶段算法本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5s的电动车头盔佩戴检测方法,其特征在于，包括以下步骤：

2.根据权利要求1所述基于改进YOLOv5s的电动车头盔佩戴检测方法,其特征在于，采集电动车头盔佩戴数据集的实现步骤如下：

3.根据权利要求1所述基于改进YOLOv5s的电动车头盔佩戴检测方法,其特征在于，所述改进YOLOv5s网络模型的结构如下：将主干网络和颈部FPN特征融合层中的C3模块改进为GBC3模块；在主干网络的浅层特征提取处以及预测头前添加无参注意力机制SimAM；采用具有动态非单调聚焦机制的WIOU损失函数替换CIOU损失函数。

4.根据权利要求3所述基于...

【技术特征摘要】

1.一种基于改进yolov5s的电动车头盔佩戴检测方法,其特征在于，包括以下步骤：

2.根据权利要求1所述基于改进yolov5s的电动车头盔佩戴检测方法,其特征在于，采集电动车头盔佩戴数据集的实现步骤如下：

3.根据权利要求1所述基于改进yolov5s的电动车头盔佩戴检测方法,其特征在于，所述改进yolov5s网络模型的结构如下：将主干网络和颈部fpn特征融合层中的c3模块改进为gbc3模块；在主干网络的浅层特征提取处以及预测头前添加无参注意力机制simam；采用具有动态非单调聚焦机制的wiou损失函数替换ciou损失函数。

4.根据权利要求3所述基于改进yolov5s的电动车头盔佩...

【专利技术属性】
技术研发人员：刘罡，侯恩翔，朱辰悦，王伟，巨一洋咏，
申请(专利权)人：无锡学院，
类型：发明
国别省市：