CN115512387A - 基于改进yolov5模型的工地安全帽佩戴检测方法 - Google Patents

基于改进yolov5模型的工地安全帽佩戴检测方法 Download PDF

Info

Publication number
CN115512387A
CN115512387A CN202210977122.0A CN202210977122A CN115512387A CN 115512387 A CN115512387 A CN 115512387A CN 202210977122 A CN202210977122 A CN 202210977122A CN 115512387 A CN115512387 A CN 115512387A
Authority
CN
China
Prior art keywords
model
yolov5
improved
detection
training
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210977122.0A
Other languages
English (en)
Inventor
郑狄
李晶
姚涛
闫连山
蒲桂东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yantai New Generation Information Technology Research Institute Of Southwest Jiaotong University
Aidian Shandong Technology Co ltd
Original Assignee
Yantai New Generation Information Technology Research Institute Of Southwest Jiaotong University
Aidian Shandong Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yantai New Generation Information Technology Research Institute Of Southwest Jiaotong University, Aidian Shandong Technology Co ltd filed Critical Yantai New Generation Information Technology Research Institute Of Southwest Jiaotong University
Priority to CN202210977122.0A priority Critical patent/CN115512387A/zh
Publication of CN115512387A publication Critical patent/CN115512387A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于改进YOLOV5模型的工地安全帽佩戴检测方法，基于单阶段原始的YOLOV5目标检测模型，通过优化网络结构降低最小感受野，利用池化金字塔及注意力机制等手段规范输入尺寸，模糊背景差异，增强小目标学习能力，本发明所提出的方法在基准网络基础上只增加了少量参数及计算开销，并显著提升了小目标检测效果，克服原始YOLOV5目标检测模型小目标场景检测性能较低的缺点，改进后的YOLOV5模型能够在施工场景下的安全帽检测任务中有着优异的检测表现，在同一场景下比原始YOLOV5网络检测到更多正样本，提高了施工场景下安全帽佩戴检测的可靠性，降低漏检、误检的情况发生。

Description

基于改进YOLOV5模型的工地安全帽佩戴检测方法
技术领域
本发明属于建筑行业智能化处理技术领域，尤其涉及基于改进YOLOV5模型的工地安全帽佩戴检测方法。
背景技术
建筑业是高风险、监管薄弱、信息化程度较低的传统行业，在复杂的施工环境下，工人的不安全行为很容易导致安全事故，威胁施工人员生命安全。据统计，在工地安全事故中，头部周边损伤占大部分，减少该类事故受伤的有效措施在于正确使用安全防护设备。由于安全帽具有多种防护能力，如电绝缘性、耐穿刺、抗冲击性等优点，可以有效减少头部和颈部损伤。因此，运用智能技术实现安全帽佩戴的自动化检测，是保障施工人员生命财产的必要手段。
近年来，随着计算机视觉技术的不断发展，目标检测领域在工业生产中具有广泛应用。早期的安全帽佩戴检测方法主要有Hough、HOG等，通过对行人进行检测后，利用颜色、形状等特征对安全帽进行再识别。随着卷积神经网络的发展，目标检测算法也转向了基于深度神经网络的检测算法。目前基于深度神经网络的目标检测算法可以分为单阶段目标检测模型和双阶段目标检测模型两类。单阶段目标检测模型主要以SSD和YOLO为主；而双阶段目标检测模型主要有RCNN、FASTRCNN等。
现有原始的YOLOV5目标检测模型相比于之前旧版本权衡了速度与检测精度，有着计算开销小、精度高的优异性能，并且YOLOV5s模型尺寸更小，利于快速部署。但现有原始的YOLOV5目标检测模型设计时只是考虑了通用性，却难以满足小目标、密集场景等视觉任务。尤其在进行安全帽检测时，拍摄场景的远近和复杂的施工环境会产生大量的小目标，造成较多的漏检、误检行为。
发明内容
本发明的目的在于克服现有原始的YOLOV5目标检测模型针对小目标检测场景的不足，提供一种基于改进YOLOV5模型的工地安全帽佩戴检测方法，降低小目标检测时的漏检、误检情况，提高施工场景下小目标检测能力。
本发明的目的是通过以下技术方案来实现的：
基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特殊之处在于，包括：
步骤1、收集并划分数据集：
收集开源数据集SHWD、SHD及其他网络图片，制作所需数据集，将数据集划分为训练集、验证集和测试集。
步骤2、对原始的YOLOV5目标检测模型进行改进：
通过在原始的YOLOV5目标检测模型基础上优化网路结构，得到改进后的YOLOV5模型；所述改进后的YOLOV5模型采用K-Means++聚类算法实时计算锚框，加速模型收敛；采用Swin Tranformer Block作为Backbone高层语义提取网络，增强模型上下文特征提取能力；添加小目标检测层，降低网络最小感受野；特征融合部分融入SPPF特征融合金字塔，通过多层次的空间箱从不同的角度进行特征提取再聚合，提升算法对物体变形的鲁棒性；采用Bottleneck Transformer优化特种融合部分的卷积层，增强网络特征融合能力；采用Shuffle Attention作为注意力机制更新特征矩阵，增强小目标特征表达能力。
步骤3、利用改进后的YOLOV5模型进行训练：
将所述步骤1数据集中的训练集送入改进后的YOLOV5模型进行训练，并保存训练过程中改进后的YOLOV5模型在验证集上检测准确率最高的权重参数，并将权重文件命名为best.pt。
步骤4、利用改进后的YOLOV5模型进行检测：
加载步骤3所述权重文件best.pt至改进后的YOLOV5模型中，并将测试集图像输入改进后的YOLOV5模型，得到该模型在测试集上的检测结果，检测到的结果分为两部分，包含施工场景下佩戴的安全帽与未佩戴安全帽的头部。
进一步的，对于步骤1中的数据集为图片及文本文件格式的锚框坐标，数据集类别分为安全帽和头部两类。
进一步的，步骤2中，所述的添加小目标检测层，指的是原始的YOLOV5目标检测模型仅有三个尺度的预测输出，通过添加感受野更小的检测尺度使改进后的YOLOV5模型在四种尺度上预测检测目标的边界框，从而提升小目标检测效果。例如对于输入尺寸为640×640像素大小的输入图像，原始的YOLOV5目标检测模型的特征提取部分只从中提取出80×80、40×40、20×20三种大小的特征图；而改进后的YOLOV5模型的特征提取部分能够从中提取出160×160、80×80、40×40、20×20四种大小的特征图，在特征融合部分以更小的感受野对不同尺寸的特征图进行融合；在YOLOV5的检测头中，每个尺度都输出一个三维预测张量；预测张量中的编码信息包含：预测框的位置信息、待检测目标的置信度、预测框中包含的目标类别；预测框中包含的目标类别分为佩戴的安全帽及未佩戴安全帽的头部；
在YOLOV5的检测部分中，对于尺度大小为N×N的特征图，YOLOV5模型产生的预测张量大小为N×N×[4*(1+4+2)]，其中第一个4代表改进后的YOLOV5模型有四个预测头，对应四个尺度的张量，1代表置信度的预测，第二个4代表预测框位置信息，2代表目标类别为两个类。
进一步的，步骤2所述的Swin Transformer Block是基于滑动窗口机制新视觉网络，其通过移位窗口将自注意力的计算限制在非重叠的局部窗口内，同时考虑跨窗口连接，通过相邻窗口合并扩大窗口感受野，提高效率。利用移位窗口划分方法，Swin变换块被计算为：
Figure RE-DEST_PATH_IMAGE002
（1）
Figure RE-DEST_PATH_IMAGE004
（2）
Figure RE-DEST_PATH_IMAGE006
（3）
Figure RE-DEST_PATH_IMAGE008
（4）
其中
Figure RE-DEST_PATH_IMAGE010
代表块的W-MSA模块的输入特征，
Figure 100002_RE-DEST_PATH_IMAGE012
和
Figure 100002_RE-DEST_PATH_IMAGE014
、
Figure 100002_RE-DEST_PATH_IMAGE016
和
Figure 100002_RE-DEST_PATH_IMAGE018
分别表示块的（S）W-MSA模块和MLP模块的输出特征；W-MSA和SW-MSA分别表示使用规则和移位窗口划分配置的基于窗口的多头部自注意；LN表示LayerNorm层。该计算过程如附图4所示。
进一步的，步骤2所述的SPPF用于解决输入图片大小不一造成的缺陷，其使用多层次的空间箱，把一个feature map从不同的角度进行特征提取再聚合，提升算法对物体变形的鲁棒性。
进一步的，步骤2所述的Bottleneck Transformer属于Hybrid network，其将CNN与Transformer结合起来处理对输入图像尺寸要求较高的视觉任务。
进一步的，步骤2所述的Shuffle Attention是多分支结构的置换注意力机制，其利用组卷积高效结合通道注意力与空间注意力。
进一步的，步骤3中，将训练集的输入图像尺寸限制为M×M，使用批量大小为8的小批量随机梯度下降法对损失函数进行优化，通过遗传算法进行超参数训练，训练120代后初始学习率设置为0.01013，动量设置为0.98；在训练过程中使用余弦退火的方法来调整学习率，从而加速模型收敛至全局最优；训练过程中，验证集用于对模型的训练情况进行反馈，当模型在验证集上检测的准确率最高时，保存模型的权重参数至权重文件best.pt；测试集用于对训练好的模型进行最终评估。
进一步的，步骤4中，使用非极大值抑制方法对测试集中的检测结果进行筛选，其中对于检测到的安全帽，使用绿色的框将其框出；对于检测到的头部，使用红色框进行框出。
与现有技术相比，本发明的有益之处在于：本发明基于单阶段原始的YOLOV5目标检测模型，通过优化网络结构降低最小感受野，利用池化金字塔及注意力机制等手段规范输入尺寸，模糊背景差异，增强小目标学习能力。本发明所提出的方法在基准网络基础上只增加了少量参数及计算开销，并显著提升了小目标检测效果，克服原始YOLOV5目标检测模型小目标场景检测性能较低的缺点，提高了施工场景下安全帽佩戴检测的可靠性，降低漏检、误检的情况发生。
附图说明
图1为本发明的流程图。
图2为本发明的改进后的YOLOV5模型的网络结构图。
图3为图2中相关的CTR3结构图。
图4为本发明中应用的Swin块结构图。
图5为本发明中应用的SPPF结构图。
图6为本发明中应用的Bottleneck Transformer结构图。
图7为图6中相关的MHSA结构图。
图8为本发明中应用的Shuffle Attention结构图。
图9为本发明的改进后的YOLOV5模型的map检测结果。
图10应用本发明的改进后的YOLOV5模型对实用场景数据进行检测的检测效果图。
具体实施方式
下面结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明的目的在于克服现有技术的不足，提供了基于改进YOLOV5模型的工地安全帽佩戴检测方法，解决施工场景下安全帽画面尺寸小、存在高光暗影而造成的误检、漏检的问题。具体地，如图1至图8所示，基于改进YOLOV5模型的工地安全帽佩戴检测方法，包括：
步骤1，收集开源数据集SHWD、SHD及其他网络实景图片，制作所需数据集，本发明设置了安全帽和头部两类。该数据集包含了19672张图片，其中7727个人类佩戴安全帽的目标和64690个正常头部目标。
创建数据集中的每个类相应的标签文件，根据上述数据集中的标注文件，将其转换为YOLOV5训练所需格式的txt文件，数据集划分为训练集、验证集和测试集，其中训练集用于对模型进行训练，验证集则用于对模型的训练情况进行反馈，并以模型在验证集上的表现情况将最优结果的权重参数进行保存，用于在测试和推理检测时进行加载，而测试集则主要用于对训练好的模型进行最终评估。在下述训练测试改进后的YOLOV5模型时，将训练集和验证集中的图像大小设置为640×640。
步骤2，通过在原始的YOLOV5目标检测模型基础上优化网路结构，对原始YOLOV5目标检测模型进行改进，得到改进后的YOLOV5模型；包括：引入Swin Transformer Block改进Backbone高层语义提取网络，增强上下文特征提取能力；引入Bottleneck Transformer对YOLOV5的特征融合部分进行优化，增强网络多尺度预测的特征融合能力；引入ShuffleAttention注意力机制，增强网络对小目标的关注程度；引入K-means++对锚框聚类进行约束，加速模型收敛；引入SPPF池化金字塔，通过对feature map从不同的角度进行特征提取再聚合，提升算法对物体变形的鲁棒性。
对于N×N大小的输入图像，已有原始的YOLOV5目标检测模型通过提取部分只是从中提取出三种尺寸大小的特征图在特征融合部分对不同尺寸的特征图进行融合。其中，尺寸较大的特征图感受野更小，有利于捕获更多图像细节及目标定位，同时也有利于模型检测小目标；较小尺寸的特征图感受野更大，可以提取更多的语意特征，有利于对目标进行分类。但是实际情况中，在施工场景下对安全帽进行检测时，由于施工环境复杂且拍摄距离较远，因此会存在更多的小目标。为进一步提高小目标检测能力，本实施方案对原始YOLOV5目标检测模型的多尺度预测进行改进，通过添加小目标检测尺度使改进后的YOLOV5模型能够在四种尺度上预测检测目标的边界框。本实施方案中，在训练测试改进后的YOLOV5模型时，将训练集和验证集中的图像大小设置为640×640，则可以采用160×160，80×80，40×40，20×20这四种尺度的特征图，在特征融合部分以更小的感受野对不同尺寸的特征图进行融合，从而提升小目标检测效果。在改进后的YOLOV5模型的检测头中，每个尺度都输出一个三维预测张量；预测张量中的编码信息包含：预测框的位置信息、待检测目标的置信度、预测框中包含的目标类别，本实施方案设置的预测框中包含的目标类别为“安全帽”和未带安全帽的“头部”两类。在改进后的YOLOV5模型的检测部分中，对于尺度大小为N×N的特征图，改进后的YOLOV5模型所产生的预测张量的大小为N×N×[4*(1+4+2)]，其中第一个4代表改进后的YOLOV5模型有四个预测头，对应四个尺度的张量，1代表置信度的预测，第二个4代表预测框位置信息，2代表目标类别为两个类。因此本实施方案改进后的YOLOV5模型输出的四种尺度的预测张量分大小别为160×160×28，80×80×28，40×40×28和20×20×28。
步骤3，将安全帽检测数据集中的训练集图像输入至上述步骤2改进后的YOLOV5模型进行训练，并保存训练过程中改进后的YOLOV5模型在验证集上检测准确率最高时的权重参数，保存该权重参数的权重文件命名为best.pt。步骤如下：
步骤3.1，具体训练时，将训练集中图像的大小设置为640×640，使用批量大小为8的小批量随机梯度下降法对损失函数进行优化，通过遗传算法进行超参数训练，训练120代后初始学习率设置为0.01013，动量设置为0.98。在训练过程中使用余弦退火的方法来调整学习率，从而加速模型收敛至全局最优。
步骤3.2，训练过程是在一台配有TITAN RTX 24G的显卡上进行训练的，训练过程一共进行200轮，模型加载改进后的YOLOV5模型在COCO数据集上训练完成的权重文件YOLOV5s.pt作为预训练权重，并且在训练过程中将模型在验证集上表现最好的权重参数保存在权重文件best.pt中，模型训练最后的权重参数保存在权重文件last.pt中。
步骤3.3，训练实验中使用了Precision，Recall和mAP来衡量模型的性能。具体的Precision和Recall的计算都依赖于IoU，首先设置一个阈值，如果预测框和真实框之间的IoU大于阈值，则该预测被称为“真正例”(TP)，否则该预测被称为“假正例”(FP)。此外，模型所漏检的目标被称为“假负例”(FN)。因此，Precision衡量的是所有预测正确的百分比，而Recall是所有真实框中目标被预测为正的百分比。具体地，Precision和Recall的计算公式如下：
Figure 209393DEST_PATH_IMAGE010
（5）
Figure 981040DEST_PATH_IMAGE011
（6） 。
步骤3.4，根据精度和召回率，可以计算出每个类的平均精度AP，而对所有类别的AP求均值便得到了mAP。而mAP@.5意味着在阈值为0.5时模型的mAP的大小。mAP@.5:.95:代表阈值的取值在0.5到0.95且步长为0.05时的平均mAP的大小。本实施方案所提供的改进后的YOLOV5模型的测试如表1及图9所示。
表1： 改进后的YOLOV5模型训练结果
Figure 931678DEST_PATH_IMAGE012
步骤4，训练完毕后，利用上述步骤3改进后的YOLOV5检测模型进行检测：
加载上述步骤3所述权重文件best.pt至改进后的YOLOV5模型中，并将测试集图像输入改进后的YOLOV5模型，在测试时将测试集中图像的输入尺寸设置为640×640，批量大小设置为8，得到该模型在测试集上的检测结果，如图10所示，检测到的结果分为两部分，包含施工场景下佩戴的安全帽与未佩戴安全帽的头部，其中对于检测到的安全帽，使用绿色的框将其框出；对于检测到的头部，使用红色框进行框出。
综上所述，根据图9、10的检测结果以及上述表1的训练测试结果可以看出，本发明的改进是非常有效的，本发明所提供的方案可以有效提升工地施工场景下安全帽检测的检测精度，对于场景中众多较小的难以检测和分辨的目标，改进后的YOLOV5模型可以有效地检测识别出更多正样本。

Claims (8)

1.基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特征在于：
步骤1、收集并划分数据集：
收集开源数据集SHWD、SHD及其他网络图片，制作所需数据集，将数据集划分为训练集、验证集和测试集；
步骤2、对YOLOV5目标检测模型进行改进：
通过在原始的YOLOV5目标检测模型基础上优化网路结构，得到改进后的YOLOV5模型；所述改进后的YOLOV5模型采用K-Means++聚类算法实时计算锚框，加速模型收敛；采用SwinTranformer Block作为Backbone高层语义提取网络，增强模型上下文特征提取能力；添加小目标检测层，降低网络最小感受野；特征融合部分融入SPPF特征融合金字塔，通过多层次的空间箱从不同的角度进行特征提取再聚合，提升算法对物体变形的鲁棒性；采用Bottleneck Transformer优化特征融合部分的卷积层，增强网络特征融合能力；采用Shuffle Attention作为注意力机制更新特征矩阵，增强小目标特征表达能力；
步骤3、利用改进后的YOLOV5模型进行训练：
将所述步骤1数据集中的训练集送入改进后的YOLOV5模型进行训练，并保存训练过程中改进后的YOLOV5模型在验证集上检测准确率最高的权重参数，并将权重文件命名为best.pt；
步骤4、利用改进后的YOLOV5模型进行检测：
加载步骤3所述权重文件best.pt至改进后的YOLOV5模型中，并将测试集图像输入改进后的YOLOV5模型，得到该模型在测试集上的检测结果，检测到的结果分为两部分，包含施工场景下佩戴的安全帽与未佩戴安全帽的头部。
2.根据权利要求1所述的基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特征在于，对于步骤1中的数据集为图片及文本文件格式的锚框坐标，数据集类别分为安全帽和头部两类。
3.根据权利要求2所述的基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特征在于：
步骤2中，所述的添加小目标检测层，是在原始的YOLOV5目标检测模型的三个尺度输出的基础上添加降低感受野的检测尺度，使改进后的YOLOV5模型在四种尺度上预测检测目标的边界框；在改进后的YOLOV5模型的检测头中，每个尺度都输出一个三维预测张量；预测张量中的编码信息包含：预测框的位置信息、待检测目标的置信度、预测框中包含的目标类别；所述预测框中包含的目标类别分为佩戴的安全帽及未佩戴安全帽的头部；
在改进后的YOLOV5模型的检测部分中，对于尺度大小为N×N的特征图，改进后的YOLOV5模型产生的预测张量大小为N×N×[4*(1+4+2)]，其中第一个4代表改进后的YOLOV5模型有四个预测头，对应四个尺度的张量，1代表置信度的预测，第二个4代表预测框位置信息，2代表目标类别为两个类。
4.根据权利要求3所述的基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特征在于：
步骤2所述的Swin Transformer Block是基于滑动窗口机制新视觉网络，其通过移位窗口将自注意力的计算限制在非重叠的局部窗口内，同时考虑跨窗口连接，通过相邻窗口合并扩大窗口感受野，利用移位窗口划分方法，Swin变换块被计算为：
Figure RE-15794DEST_PATH_IMAGE002
（1）
Figure RE-350960DEST_PATH_IMAGE004
（2）
Figure RE-79882DEST_PATH_IMAGE006
（3）
Figure RE-96380DEST_PATH_IMAGE008
（4）
其中
Figure RE-594357DEST_PATH_IMAGE010
代表块的W-MSA模块的输入特征，
Figure RE-DEST_PATH_IMAGE012
和
Figure RE-DEST_PATH_IMAGE014
、
Figure RE-DEST_PATH_IMAGE016
和
Figure RE-DEST_PATH_IMAGE018
分别表示块的（S）W-MSA模块和MLP模块的输出特征；W-MSA和SW-MSA分别表示使用规则和移位窗口划分配置的基于窗口的多头部自注意；LN表示LayerNorm层。
5.根据权利要求4所述的基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特征在于：步骤2所述的Bottleneck Transformer属于Hybrid network，其将CNN与Transformer结合起来处理对输入图像尺寸要求较高的视觉任务。
6.根据权利要求5所述的基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特征在于：步骤2所述的Shuffle Attention是多分支结构的置换注意力机制，其利用组卷积高效结合通道注意力与空间注意力。
7.根据权利要求6所述的基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特征在于：步骤3中，将训练集的输入图像尺寸限制为M×M，使用批量大小为8的小批量随机梯度下降法对损失函数进行优化，通过遗传算法进行超参数训练，训练120代后初始学习率设置为0.01013，动量设置为0.98；在训练过程中使用余弦退火的方法来调整学习率，从而加速模型收敛至全局最优；训练过程中，验证集用于对模型的训练情况进行反馈，当模型在验证集上检测的准确率最高时，保存模型的权重参数至权重文件best.pt 。
8.根据权利要求7所述的基于改进YOLOV5模型的工地安全帽佩戴检测方法，其特征在于：步骤4中，使用非极大值抑制方法对测试集中的检测结果进行筛选，其中对于检测到的安全帽，使用绿色的框将其框出；对于检测到的头部，使用红色框进行框出。
CN202210977122.0A 2022-08-15 2022-08-15 基于改进yolov5模型的工地安全帽佩戴检测方法 Pending CN115512387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210977122.0A CN115512387A (zh) 2022-08-15 2022-08-15 基于改进yolov5模型的工地安全帽佩戴检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210977122.0A CN115512387A (zh) 2022-08-15 2022-08-15 基于改进yolov5模型的工地安全帽佩戴检测方法

Publications (1)

Publication Number Publication Date
CN115512387A true CN115512387A (zh) 2022-12-23

Family

ID=84501237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210977122.0A Pending CN115512387A (zh) 2022-08-15 2022-08-15 基于改进yolov5模型的工地安全帽佩戴检测方法

Country Status (1)

Country Link
CN (1) CN115512387A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830302A (zh) * 2023-02-24 2023-03-21 国网江西省电力有限公司电力科学研究院 一种多尺度特征提取融合配电网设备定位识别方法
CN116385810A (zh) * 2023-06-05 2023-07-04 江西农业大学 一种基于YOLOv7的小目标检测方法及系统
CN116580056A (zh) * 2023-05-05 2023-08-11 武汉理工大学 一种船舶检测与跟踪方法、装置、电子设备及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830302A (zh) * 2023-02-24 2023-03-21 国网江西省电力有限公司电力科学研究院 一种多尺度特征提取融合配电网设备定位识别方法
CN116580056A (zh) * 2023-05-05 2023-08-11 武汉理工大学 一种船舶检测与跟踪方法、装置、电子设备及存储介质
CN116580056B (zh) * 2023-05-05 2023-11-17 武汉理工大学 一种船舶检测与跟踪方法、装置、电子设备及存储介质
CN116385810A (zh) * 2023-06-05 2023-07-04 江西农业大学 一种基于YOLOv7的小目标检测方法及系统
CN116385810B (zh) * 2023-06-05 2023-08-15 江西农业大学 一种基于YOLOv7的小目标检测方法及系统

Similar Documents

Publication Publication Date Title
CN111626350B (zh) 目标检测模型训练方法、目标检测方法及装置
CN115512387A (zh) 基于改进yolov5模型的工地安全帽佩戴检测方法
CN112861635B (zh) 一种基于深度学习的火灾及烟雾实时检测方法
CN110880172A (zh) 基于循环卷积神经网络的视频人脸篡改检测方法及系统
CN113920107A (zh) 一种基于改进yolov5算法的绝缘子破损检测方法
CN109977895B (zh) 一种基于多特征图融合的野生动物视频目标检测方法
CN111222478A (zh) 一种工地安全防护检测方法和系统
CN112287827A (zh) 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统
CN113487610B (zh) 疱疹图像识别方法、装置、计算机设备和存储介质
CN111414807A (zh) 一种基于yolo技术的潮水识别与危机预警方法
CN113516146A (zh) 一种数据分类方法、计算机及可读存储介质
CN116824335A (zh) 一种基于YOLOv5改进算法的火灾预警方法及系统
KR20210041856A (ko) 딥 러닝 기반으로 애니메이션 캐릭터를 학습하는 데 필요한 학습 데이터 생성 방법 및 장치
CN114902299A (zh) 图像中关联对象的检测方法、装置、设备和存储介质
CN114841920A (zh) 基于图像处理的火焰识别方法、装置及电子设备
CN115311601A (zh) 一种基于视频分析技术的火灾探测分析方法
CN113269111B (zh) 一种基于视频监控的电梯异常行为检测方法及系统
CN112907138B (zh) 一种从局部到整体感知的电网场景预警分类方法及系统
CN113837001A (zh) 监控场景下的异常闯入物实时检测方法及装置
CN110163081A (zh) 基于ssd的实时区域入侵检测方法、系统及存储介质
CN117670791A (zh) 基于多尺度融合策略和改进YOLOv5的道路病害检测方法及装置
KR101268596B1 (ko) 정사각 코드북과 다중 경계 값이 적용된 텍스쳐 특징을 이용한 전경 검출 장치 및 방법
CN115171006B (zh) 基于深度学习的自动识别人员进入电力危险区的检测方法
Zou Flame image recognition detection based on improved YOLOv7
CN114494893B (zh) 基于语义重用上下文特征金字塔的遥感图像特征提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination