一种基于改进的YOLOv5的建筑工地安全帽检测方法
申请人信息
- 申请人:南通大学
- 申请人地址:226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院
- 发明人: 南通大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于改进的YOLOv5的建筑工地安全帽检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311509438.8 |
| 申请日 | 2023/11/13 |
| 公告号 | CN117423062A |
| 公开日 | 2024/1/19 |
| IPC主分类号 | G06V20/52 |
| 权利人 | 南通大学 |
| 发明人 | 李跃华; 张月月; 吴赛林; 王金凤; 姚章燕; 魏浩宇; 胡彬 |
| 地址 | 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院 |
摘要文本
本发明提供了一种基于改进的YOLOv5的建筑工地安全帽检测方法，属于计算机视觉目标检测技术领域。解决了目前检测精度低、小目标误检漏检、遮挡目标检测难度较大的技术问题。其技术方案为：包括以下步骤：S1、样本数据采集；S2、在Neck网络中使用AFPN结构代替FPN结构；S3、采用Slide Loss替换BCE‑loss；S4、边界框回归损失函数替换；S5、得到工人是否佩戴安全帽的结果。本发明的有益效果为：通过改进YOLOv5网络结构，分配更多的注意力给难样本，提取更多目标的特征信息，优化回归损失函数来提升检测精度和速度，减少建筑工地危险事故的发生。
专利主权项内容
1.一种基于改进的YOLOv5的建筑工地安全帽检测方法，其特征在于，包括以下步骤：S1、样本数据采集(1)通过下载公开数据集、利用网络爬虫工具技术获取关于建筑工地施工现场安全帽相关的数据，以及从监控视频中截取的有效样本的视频帧，制作安全帽数据集；(2)使用LabelImg的目标检测标注工具对数据集图片进行标注，标注的类包括安全帽和人两类；其中，安全帽标注区域包括脖子以上的头部及安全帽；标注完成后，形成xml格式的标签文件，存放在Annotations文件夹中，构成voc格式或xml文件的数据集；(3)将标签文件由voc格式转为YOLO数据集标签文件格式，并按照9：1的比例将数据划分为训练集和验证集；S2、在Neck网络中使用AFPN结构代替FPN结构原始YOLOv5中的FPN使用自上而下的方式将低层特征转移到高层特征，以实现不同层特征的融合，由于高层特征不会与低层特征融合，导致非相邻层次间的语义差距加大，使用渐进特征金字塔网络AFPN代替FPN；S3、采用Slide Loss替换BCE-loss由于安全帽的大量样本图片中，容易样本数量相当大，难样本相对稀疏，采用SlideLoss损失函数代替交叉熵损耗函数；S4、边界框回归损失函数替换现有的边界框回归损失函数在预测框和实际标注框具有相同的宽高比，但宽度和高度值完全不同的情况下无法进行优化，使用MPDIoU代替CIOU，其中包含了现有损失函数中考虑的所有因素，如重叠或非重叠面积、中心点距离以及高度和宽度的偏差；S5、利用安全帽数据集对改进的YOLOv5网络模型进行训练，得到训练后的模型，再将待检测图像和视频输入训练好的模型中进行推理预测，得到工人是否佩戴安全帽的结果。