[發明專利]基于YOLOv4與顯著性檢測的安全帽佩戴識別方法

在審

• 申請號: 202110195098.0
• 申請日: 2021-02-22
• 公開（公告）號: CN112989958A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 李岳陽;蘭天;羅海馳;杜鵬;朱一昕;樊啟高;畢愷韜
• 申請（專利權）人: 哈工大機器人集團（無錫）科創基地研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T7/11;G06T7/136;G06T7/194;G06T7/73
• 代理公司: 常州格策知識產權代理事務所(普通合伙) 32481
• 代理人: 龐翠

本發明公開了一種基于YOLOv4與顯著性檢測的安全帽佩戴識別方法，包括以下步驟：對已有的數據集進行標注，訓練YOLOv4目標檢測模型；下載并擴充顯著性數據集，訓練顯著性檢測模型；利用訓練好的目標檢測模型，得到目標的識別結果與目標框體信息；利用訓練好的顯著性檢測模型，得到圖像的顯著性估計；利用目標框體位置信息，對顯著性估計進行裁剪；對所有目標的單張小圖片進行復檢;通過上述方式，本發明的利用顯著性檢測方法，得到圖像的動態顯著性估計，從而能有效地去除背景影響，得到對移動目標像素級別的高顯著性結果；通過顯著性檢測結果對目標檢測結果進行復檢，可以大大降低誤檢概率，有效區分出背景中對目標檢測的干擾項，提升目標檢測精度。

技術領域

本發明涉及機器視覺與模式識別領域，特別是涉及一種基于YOLOv4與顯著性檢測的安全帽佩戴識別方法。

背景技術

安全帽作為一種最常見和實用的個人防護用具，能夠有效地防止和減輕外來危險源對頭部的傷害。長期以來，我國施工區的作業人員普遍存在綜合素質低、安全意識不強的問題，缺乏安全帽等基礎防護設施的佩戴意識，大大增加了作業風險，安全事故時有發生。根據公開的網絡數據來看，由于施工人員的不安全行為造成的安全事故占到了所有事故總類的95%。

當前，在安全帽佩戴上存在的安全隱患問題，企業主要依靠的是相關管理人員的巡視或者由安保人員通過攝像監控查看，這不僅浪費人力與物力，而且效率低下。

近年來，人工智能體系內的技術越發成熟，在深度學習和計算機視覺技術領域，成功的應用案例數不勝數，例如語音識別、指紋識別、人臉識別這些廣為人知的應用。這類方法都有著全自動不受人為干擾、精準度高等諸多優點，可以應用于監管、安保等領域。這種技術一旦普及開來，將會對社會產生重大變革，會將人們從簡單的重復勞動中解放出來，大大提升社會生產力。

發明內容

本發明主要解決的技術問題是提供一種基于YOLOv4與顯著性檢測的安全帽佩戴識別方法，能夠解決了在以往目標檢測與顯著性檢測中復雜背景的影響問題，可以很好地識別出佩戴安全帽的工作人員，最后利用目標檢測中框體位置在對應的顯著性估計圖中進行裁剪，得到所有單個目標的顯著性估計圖，利用這些圖對該目標進行復檢，最終達到提升識別準確率的效果。

為解決上述技術問題，本發明采用的一個技術方案是：提供一種基于YOLOv4與顯著性檢測的安全帽佩戴識別方法，包括以下步驟：

步驟1：對已有的數據集進行標注，訓練YOLOv4目標檢測模型；

利用標注軟件對數據進行標注，得到記錄著每張圖片中目標位置大小與標簽的文件后，再將這些數據分為二份，分別為訓練集和測試集；

采用YOLOv4網絡作為目標檢測模型，在訓練時，基于目標檢測的輸出，通過迭代計算最小化檢測模型的損失函數值，當達到預先確定的迭代次數后，得到訓練完成的目標檢測模型；

步驟2：下載并擴充顯著性數據集，訓練顯著性檢測模型；

在訓練顯著性檢測模型時所使用的訓練集來自于網絡中公開的顯著性檢測數據集，對已有的顯著性檢測數據集進行數據擴充，得到可使用的視頻訓練數據集，并訓練出有較高準確度的顯著性檢測模型；

步驟3：利用訓練好的目標檢測模型，得到目標的識別結果與目標框體信息；

利用步驟1訓練好的YOLOv4目標檢測模型，將攝像頭拍攝到的圖片或者視頻中取得的單個幀傳入目標檢測模型，得到關于目標檢測結果的輸出；

步驟4：利用訓練好的顯著性檢測模型，得到圖像的顯著性估計；

用步驟2訓練好的顯著性模型執行顯著性檢測任務，將視頻監控的每一幀圖像輸入到神經網絡中，之后網絡輸出顯著性映射；靜態顯著性模型是以單幀圖像為輸入，生成像素級顯著性估計；動態顯著性模型的輸入包括視頻中相鄰兩個視頻幀，以及靜態顯著性模型輸出的靜態顯著性圖，生成最終依據時間序列的動態顯著性結果；

步驟5：利用目標框體位置信息，對顯著性估計進行裁剪；