[发明专利]一种基于改进YOLOV3的安全帽佩戴检测方法及系统

权利要求书

1.一种基于改进YOLOV3的安全帽佩戴检测方法，其特征在于，包括以下步骤：

S1、将变电站内的监控视频流解码为多个帧图像；

S2、基于行人检测模型检测每个所述帧图像中的目标行人，所述行人检测模型是预先基于改进YOLOV3目标检测算法训练得到，所述改进YOLOV3目标检测算法采用Loss_{IOU_GIOU}损失函数进行训练，所述Loss_{IOU_GIOU}损失函数为基于预测框和真实框的重叠区域以及包含所述预测框和所述真实框的最小框得到，其计算公式表示为，

式中，A为真实框，B为预测框，C为包含预测框和真实框的最小框；

S3、生成行人检测框对所述目标行人进行标注，并对每个检测出的所述目标行人分配不同的ID；

S4、基于IoU Tracker跟踪算法在连续的所述帧图像中对所述目标行人进行持续跟踪；

S5、基于人头检测模型检测所述行人检测框中的所述目标行人的头部，生成头部检测框对所述头部进行标注；

S6、基于安全帽分类模型对所述头部检测框中的所述头部进行安全帽佩戴分类，从而判断每个所述帧图像中所述目标行人是否佩戴安全帽；

S7、获取同一ID的所述目标行人在连续的所述帧图像中的安全帽佩戴判断结果，当连续的N个所述帧图像中的安全帽佩戴判断结果为未佩戴安全帽，且N值大于预设帧值，则判定相应的所述目标行人未佩戴安全帽。

2.根据权利要求1所述的基于改进YOLOV3的安全帽佩戴检测方法，其特征在于，步骤S2之前包括：

S21、制备带有行人标注信息的视频帧行人图像数据集，其中，行人标注信息包括行人预测框；

S22、基于所述视频帧行人图像数据集作为训练集，以Loss_{IOU_GIOU}损失函数作为边框置信度损失函数，对YOLOV3目标检测算法进行训练迭代，从而得出所述行人检测模型。

3.根据权利要求2所述的基于改进YOLOV3的安全帽佩戴检测方法，其特征在于，步骤S5之前包括：

S51、对所述视频帧行人图像数据集中的所述行人预测框进行截取，从而得到行人预测框数据集；

S52、通过头部预测框对所述行人预测框数据集中的头部进行标注，以获得头部数据集；

S53、基于所述头部数据集作为训练集，以Loss_{IOU_GIOU}损失函数作为边框置信度损失函数，对YOLOV3目标检测算法进行训练迭代，从而得出所述人头检测模型。

4.根据权利要求3所述的基于改进YOLOV3的安全帽佩戴检测方法，其特征在于，步骤S6之前包括：

S61、对所述头部数据集中的所述头部预测框进行截取，从而得到头部预测框数据集；

S62、判断所述头部预测框数据集中的头部是否佩戴有安全帽，根据安全帽佩戴结果对所述头部预测框数据集中的头部进行分类标注，其标注内容为未佩戴安全帽或佩戴安全帽，从而获得安全帽数据集；

S63、基于所述安全帽数据集作为训练集，对ResNet-50网络结构进行训练迭代，从而得出所述安全帽分类模型。

5.根据权利要求1所述的基于改进YOLOV3的安全帽佩戴检测方法，其特征在于，步骤S4具体包括：

基于IoU Tracker跟踪算法对连续前后两个所述帧图像中的所述行人检测框进行关联，具体为：当前后两个所述帧图像中的所述行人检测框的重叠程度大于预设的重叠程度值时，则判定为同一个目标行人，并向相应的两个所述帧图像中的所述目标行人分配同样的ID；当所述帧图像中的所述行人检测框在其它所述帧图像中未匹配与其的重叠程度大于预设的重叠程度值的所述行人检测框时，则判定有新的目标行人出现，并向相应的所述新的目标行人分配新的ID。

6.根据权利要求1所述的基于改进YOLOV3的安全帽佩戴检测方法，其特征在于，步骤S7之后还包括：

当判定为所述目标行人未佩戴安全帽时，则发出告警信号。