一种基于YOLOv5s的安全装备穿戴目标检测方法及系统技术方案

本发明专利技术提供了一种基于YOLOv5s的安全装备穿戴目标检测方法及系统，该方法先获取港口安全作业图像并按照预设的标注准则进行安全装备佩戴合规性标注，再在YOLOv5s网络模型的基础上引入SIoU损失函数以替换YOLOv5s网络模型中的GIoU损失函数，得到新YOLOv5s网络模型；并采用动态层级调整策略结合自适应特征融合机制，自动对新YOLOv5s网络模型颈部网络中FPN结构的神经网络层数进行动态调整，得到改进的FPNX结构，进而得到改进的YOLOv5s网络模型，然后依次进行第一阶段小目标筛选检测以及二阶段大目标筛选检测，得到目标图像中含有所有安全装备的第二目标检测结果，以完成安全装备的穿戴检测，能够显著提升对小目标和大目标的检测能力，以适应不同的检测场景。

【技术实现步骤摘要】

本专利技术涉及智能航运，具体涉及一种基于yolov5s的安全装备穿戴目标检测方法及系统。

技术介绍

1、在全球经济一体化的浪潮下，港口作为国际贸易的重要节点，其安全作业水平直接关系到国家经济的稳定发展和社会和谐。随着港口货物吞吐量的不断增长和作业环境的日益复杂，港口安全作业成为了不可忽视的重大议题。在这一背景下，个人防护装备，尤其是安全帽和工作服的重要性愈发凸显，成为保障港口工作人员生命安全的关键因素。同时，对未佩戴安全帽和未穿工作服的行为进行有效检测与管理，也是提升港口安全管理水平的重要一环。因此，建立有效的检测机制对未佩戴安全帽和未穿工作服的行为进行及时发现和纠正，也是提升港口安全管理水平的重要措施。然而，人工运维成本较高，需要人长时间对对应场景进行检测，且经过长时间的工作，人工运维难免会出现差错。随着航运贸易的日渐发展，人工运维的成本会逐渐增大，发生事故的可能性也会随之增加。因此，日常安全管理运维的高成本、低效率成为了目前行业急需探索的一个难题。

2、近几年，使用深度学习的图像识别目标检测算法实现了巨大的突破。尤其是在目标检测领域，例如：本文档来自技高网...

【技术保护点】

1.一种基于YOLOv5s的安全装备穿戴目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于YOLOv5s的安全装备穿戴目标检测方法，其特征在于，所述模型改进步骤中，所述SIoU损失函数通过引入角度成本、距离成本和形状成本的惩罚项，综合考虑预测边界框与真实边界框之间的几何关系，从而优化预测边界框回归过程，加速新YOLOv5s网络模型收敛；

3.根据权利要求1所述的基于YOLOv5s的安全装备穿戴目标检测方法，其特征在于，所述图像获取及标注步骤中，所述安全装备包括安全帽和工作服，按照预设的标注准则对港口安全作业图像中的人进行安全装备佩戴合规性标注具...

【技术特征摘要】

1.一种基于yolov5s的安全装备穿戴目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于yolov5s的安全装备穿戴目标检测方法，其特征在于，所述模型改进步骤中，所述siou损失函数通过引入角度成本、距离成本和形状成本的惩罚项，综合考虑预测边界框与真实边界框之间的几何关系，从而优化预测边界框回归过程，加速新yolov5s网络模型收敛；

3.根据权利要求1所述的基于yolov5s的安全装备穿戴目标检测方法，其特征在于，所述图像获取及标注步骤中，所述安全装备包括安全帽和工作服，按照预设的标注准则对港口安全作业图像中的人进行安全装备佩戴合规性标注具体包括：

4.根据权利要求1至3之一所述的基于yolov5s的安全装备穿戴目标检测方法，其特征在于，在第二阶段大目标筛选步骤后，还包括两阶段检测结果对比分析步骤：将人员检测模型输出的第一阶段检测结果与安全装备检测模型输出的第二阶段检测结果进行对比，若第一阶段检测结果未检测出目标但第二阶段检测结果检测出目标，则将第二阶段检测结果作为最终检测结果；若第一阶段检测结果和第二阶段检测结果均检测出目标，则以第二阶段检测结果作为最终检测结果；若第一阶段检测结果检测出目标但第二阶段检测结果未检测出目标，则将第一阶段检测结果作为最终检测结果。

5.根据权利要求1至3之一所述的基于yolov5s的安全装备穿戴目标检测方法，其特征在于，所述第一目标检测结果和第二目标检测结果均包括边界框、类别标签和置信度分数，采用siou损失函数计算出边界框得分、采用类别预测损失函数计算出类别概率得分，并采用置信度预测损失函数计算出置信度分数。

6.一种基于yolov5s的安全...

【专利技术属性】
技术研发人员：韩卓成，
申请(专利权)人：中远海运科技股份有限公司，
类型：发明
国别省市：