[發明專利]基于YOLOv5目標檢測模型的安全帽佩戴檢測方法

在審

• 申請號: 202111394627.6
• 申請日: 2021-11-23
• 公開（公告）號: CN114170626A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 趙志強;王耀中;黑新宏;何文娟;趙欽
• 申請（專利權）人: 西安理工大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/774;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 王丹

1.基于YOLOv5目標檢測模型的安全帽佩戴檢測方法，其特征在于，

步驟1、獲取安全帽檢測數據集SHWD，并生成相應的標簽文件；將所述數據集劃分為訓練集，驗證集和測試集；

步驟2、將輸入圖像輸入原始YOLOv5目標檢測模型，通過原始YOLOv5目標檢測模型的特征提取部分提取出四個不同大小的特征圖；再將四個不同大小的特征圖進行特征融合，最終到了改進后YOLOv5目標檢測模型；

步驟3、所述改進后YOLOv5目標檢測模型的損失函數分為定位損失函數、分類損失函數、置信度損失函數；采用度量學習中的中心損失函數作為正則化項對分類損失和置信度損失進行約束，從而構成一個新的目標函數；使用隨機梯度下降法對該目標函數進行優化，從而達到訓練改進后YOLOv5目標檢測模型的目的；

步驟4、將所述安全帽檢測數據集中的訓練集圖像輸入至步驟3改進后YOLOv5模型進行訓練，并保存訓練過程中改進后YOLOv5模型在驗證集上檢測準確率最高時的權重參數，并將該權重文件命名為best.pt；

步驟5、加載步驟4所述權重文件best.pt至改進后YOLOv5目標檢測模型中，將測試集中的圖像輸入改進后YOLOv5目標檢測模型，得到該模型在測試集中的檢測結果，檢測到的結果包含兩部分，分別是施工場景中佩戴的安全帽和未佩戴的正常頭部。

2.根據權利要求1所述的基于YOLOv5目標檢測模型的安全帽佩戴檢測方法，其特征在于，步驟1中，所述數據集為圖片集，分為頭部和安全帽兩個類，針對不同類中的圖片創建相應的txt標簽文件。

3.根據權利要求1所述的基于YOLOv5目標檢測模型的安全帽佩戴檢測方法，其特征在于，

步驟2中，對YOLOv5的模型結構進行了改進，使得YOLOv5在4種尺度上預測檢測目標的邊界框；對于輸入尺寸為640×640像素大小的輸入圖像，YOLOv5的特征提取部分從中提取出160×160，80×80，40×40，20×20這四種大小的特征圖；在特征融合部分對這四種尺寸大小的特征圖進行特征融合；在YOLOv5模型的檢測部分，在每個尺度下都輸出一個3維的預測張量；預測張量中編碼的信息有：預測框的位置信息、預測框中包含待檢測目標的置信度、預測框中包含目標的類別。

設置輸出的目標類別分別為正常的未佩戴安全帽的頭部和安全帽兩類；因此在YOLOv5模型的檢測部分中，對于尺度大小為N×N的特征圖YOLOv5模型所產生的預測張量的大小為N×N×[4*(1+4+2)]，其中4代表改進后的YOLOv5模型預測四個尺度的張量，1代表置信度的預測，4代表預測框位置信息，2代表目標類別為兩個類。因此改進后YOLOv5目標檢測模型輸出的四種尺度的預測張量分大小別為160×160×28，80×80×28，40×40×28和20×20×28。