[发明专利]基于YOLO进化深度学习模型的安全帽检测与预警方法

权利要求书

1.一种基于YOLO进化深度学习模型的安全帽检测与预警方法，其特征是，包括如下步骤：

将实时获取的目标视频图像输入预先训练好的YOLO进化深度学习模型，标记出目标视频图像中的未佩戴安全帽的人体；

向所标记人体发出预警信号。

2.根据权利要求1所述的基于YOLO进化深度学习模型的安全帽检测与预警方法，其特征是，所述YOLO进化深度学习模型的训练方法，包括：

将预先获取的视频图像逐帧分解为图片样本；

对图片样本中的安全帽添加标签；

以预构建的损失函数最小为目标，利用添加有标签的图片样本对YOLO进化深度学习模型进行训练。

3.根据权利要求2所述的基于YOLO进化深度学习模型的安全帽检测与预警方法，其特征是，在对图片样本中的安全帽添加标签之前，还包括：对图片样本进行预处理，所述预处理包括删除图片样本中的无效图片，所述无效图片包括无安全帽的图片样本。

4.根据权利要求2所述的基于YOLO进化深度学习模型的安全帽检测与预警方法，其特征是，在对YOLO进化深度学习模型进行训练时，还包括：将YOLO进化深度学习模型对图片样本的识别结果进行HSV颜色空间转换。

5.根据权利要求2所述的基于YOLO进化深度学习模型的安全帽检测与预警方法，其特征是，所述损失函数，其表达式如下：

式中，λ_coord为定位损失权重，λ_noobj为不包含目标的网格的置信度损失权重，S为网格的长度(或宽度)，B为该网格所预测框的个数，x_i为该网格所负责的目标框中心点横坐标的预测值，y_i为该网格所负责的目标框中心点纵坐标的预测值，w_i为该网格所负责的目标框宽度的预测值，h_i为该网格所负责的目标框高度的预测值，C_i为该网格所负责的目标框是否含有目标的置信值，p_i(c)为第i个网格所预测目标的类被概率，为该网格所负责的目标框中心点横坐标真实值，为该网格所负责的目标框中心点纵坐标真实值，为该网格所负责的目标框宽度的真实值，为该网格所负责的目标框高度的真实值，为第i个网格是否含有目标的置信值，为该网格所负责的目标框的类被概率，为第i个网格的第j个anchorbox是否负责这个目标，为第i个网格的第j个anchor box是不负责这个目标，为第i个网格是否含有目标，classes为第i个网格预测所有目标种类。

6.根据权利要求1所述的基于YOLO进化深度学习模型的安全帽检测与预警方法，其特征是，所述YOLO进化深度学习模型采用Yolov3网络。

7.根据权利要求6所述的基于YOLO进化深度学习模型的安全帽检测与预警方法，其特征是，所述Yolov3网络的采用方法，包括：

在Yolov3网络的分类类别中添加安全帽；

屏蔽Yolov3网络中与安全帽无关的类别。