[發明專利]一種基于YOLO算法的施工現場安全檢測方法

在審

• 申請號: 202110571601.8
• 申請日: 2021-05-25
• 公開（公告）號: CN113361347A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 郁佳佳;左梅;何榕程
• 申請（專利權）人: 東南大學成賢學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京業騰知識產權代理事務所(特殊普通合伙) 32321
• 代理人: 李靜

本發明公開了一種基于YOLO算法的施工現場安全檢測方法，包括利用監控系統采集施工現場拍攝的數據；對采集的數據進行標注，并將標注信息進行歸一化處理，構成測數據集，在數據集中生成訓練集和測試集，以及基于YOLOv4算法，并將CIoU作為邊框回歸損失函數，構成訓練模型，將數據集導入訓練模型中進行訓練和測試，基于YOLOv4算法構建訓練模型，使得能更快更有效的提取識別目標信息，提高檢測速度和精度，能夠很好的實現一些目標檢測識別任務，其中，將CIoU作為邊框回歸損失函數，可以直接通過最小化預測框與目標框之間的歸一化距離來有效地實現更快的收斂速度，使回歸在與目標框有重疊甚至包含時更準確、更快。

技術領域

本發明涉及安全檢測技術領域，具體為一種基于YOLO算法的施工現場安全檢測方法。

背景技術

隨著社會人口的不斷增長以及經濟水平是進步，我國的住房以及交通道路日趨緊張，這是我們當下急需要解決的問題，因此施工場地的數量也因此而增加，所以工地安全問題就會尤為突出，其中，實時監督工人在施工現場的不安全行為有助于改善項目安全管理水平、減少安全事故發生；目前普遍基于安管人員人工監督不安全行為的方式耗時費力、效率較低，管理人員卻同時承受著嚴重的工作壓力，所以急需一種基于YOLO算法的施工現場安全檢測方法來解決上述問題。

發明內容

本發明提供一種基于YOLO算法的施工現場安全檢測方法，解決現有技術中基于安管人員人工監督不安全行為的方式耗時費力、效率較低，管理人員卻同時承受著嚴重的工作壓力的問題。

為實現上述目的，本發明提供如下技術方案：一種基于YOLO算法的施工現場安全檢測方法，包括如下步驟：

S1、利用監控系統采集施工現場拍攝的數據；

S2、對采集的數據進行標注，并將標注信息進行歸一化處理，構成測數據集，在數據集中生成訓練集和測試集；

S3、基于YOLOv4算法，并將CIoU作為邊框回歸損失函數，構成訓練模型，將數據集導入訓練模型中進行訓練和測試，損失函數公式為：

其中，α為權衡trade-off的參數，v為衡量長寬比一致性的參數，b和b^gt分別表示預測框和實際框的中心點位置，ρ表示歐式距離，c表示預測框和實際框的對角線距離。

優選的，在步驟S1中，監控系統采集流程包括：獲取當前幀；進行人體檢測，并提取特征數據，對特征數據進行檢測；判斷是否為檢測需要目標，若否則重新獲取當前幀，若是，則輸出檢測。

優選的，在步驟S2中，歸一化公式為：

其中，(weight，height)為圖片的原始寬高，(x_min，y_min)，(x_max，y_max)分別為原始樣本邊界框的左上角位置信息和右下角位置信息，(x，y)，(w，h)分別為目標歸一化后的中心點坐標和寬高。

優選的，在步驟S2中，將數據集轉換成VOC2007所兼容的數據集格式，并用LableImg標注軟件進行數據標注，標注類別包括reflecting_clothe、other_clothes、smoking、hat和person。

優選的，在darknet下的終端執行相應的python程序，生成一個訓練集和一個測試集文件，在兩個文件中將會生成訓練圖片和測試圖片的列表。

優選的，在步驟S3中，α和v的計算公式分別為：

優選的，檢測方法還包括將訓練模型部署在嵌入式平臺Jetson Nano上。