[發明專利]一種基于YOLOV5的危險區域人員監控方法

在審

• 申請號: 202110941137.7
• 申請日: 2021-08-17
• 公開（公告）號: CN113642474A
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 竇濤;沈雪松;陸金波;吳昊翰;賀榮鵬
• 申請（專利權）人: 四川航天電液控制有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 周永宏

1.一種基于YOLOV5的危險區域人員監控方法，其特征在于，包括以下步驟：

步驟1、構建深度學習模型訓練集：從礦下監控視頻流獲取圖像，并對圖像進行樣本標注；

步驟2、利用步驟1標注好的樣本訓練基于YOLOV5的深度學習網絡模型，

步驟3、構建測試數據集，并傳入訓練好的深度學習網絡模型進行測試，判斷深度學習網絡模型是否符合工程需求，若是則結束訓練，否則修改網絡參數重新進行訓練；

步驟4、利用訓練好的深度學習網絡模型對礦下視頻監控中的人員危險行為進行識別，并輸出識別結果。

2.根據權利要求1所述的一種基于YOLOV5的危險區域人員監控方法，其特征在于，所述步驟1包括以下子步驟：

步驟11、從礦下監控視頻流獲取圖像，并對圖像進行預處理：將亮度低于設定閾值的圖像進行增強；然后對圖像進行隨機水平/垂直翻轉、旋轉、裁剪操作；

步驟12、將處理后的圖像做樣本標注，對每張圖像上的人員的位置信息做預先標注。

3.根據權利要求1所述的一種基于YOLOV5的危險區域人員監控方法，其特征在于，所述深度學習網絡模型由三個主要組件組成：

1)Backbone組件：在不同圖像細粒度上聚合并形成圖像特征的卷積神經網絡；

2)Neck組件：一系列混合和組合圖像特征的網絡層，并將圖像特征傳遞到預測層；

3)Prediction組件：對圖像特征進行預測，生成邊界框并預測類別。

4.根據權利要求1所述的一種基于YOLOV5的危險區域人員監控方法，其特征在于，所述Backbone組件包括依次連接的Focus層、CBL模塊、CSP_A模塊、AC-Block模塊、CBL模塊、CSP_A模塊、AC-Block模塊、CBL模塊和SPP模塊。

5.根據權利要求1所述的一種基于YOLOV5的危險區域人員監控方法，其特征在于，所述步驟3中，判斷深度學習網絡模型是否符合工程需求具體方法為：判斷深度學習網絡模型是否能夠準確識別出視頻畫面中的工作人員；判斷深度學習網絡模型是否能夠準確識別出工作人員的活動區域；判斷深度學習網絡模型是否能夠精確判斷出工作人員是否進入畫面中的危險區域；判斷深度學習網絡模型是否能夠及時對違規行為做出實時預警反饋。