[发明专利]一种基于改进YOLOV3的安全帽佩戴检测方法及系统

说明书

本申请公开了一种基于改进YOLOV3的安全帽佩戴检测方法及系统，通过将改进YOLOV3目标检测算法运用于行人检测模型中，提高了目标检测算法精度，降低了算法训练计算量，同时，基于IoU Tracker跟踪算法对目标行人进行持续跟踪，还通过人头检测模型对目标行人的头部识别，并通过安全帽分类模型对头部进行安全帽佩戴分类，从而判断每个帧图像中目标行人是否佩戴安全帽，最后，还基于预设的佩戴判定规则判定相应的目标行人是否佩戴安全帽，从而能够提高安全帽佩戴检测的灵活性和可靠性，降低了当工作人员低头或临时被遮挡时产生误检从而导致的误报情况频发的概率。

技术领域

本申请涉及图像检测技术领域，尤其涉及一种基于改进YOLOV3的安全帽佩戴检测方法及系统。

背景技术

在变电站日常运维、施工的环境中，安全帽对工作人员的头部起到了至关重要的保护作用。传统的人工检测方式主要通过观看监控视频进行检测，需要耗费大量的人力，且监控人员易疲劳，易出现误检的现象。以视频自动监控的方式进行安全帽的检测，可以减少人力、可以准确的监控变电站内作业人员的安全帽佩戴情况，降低了他们发生意外危险的概率。

公开号为CN112307984A的中国专利申请公开了基于神经网络的安全帽检测方法和装置，它基于YOLOv3算法作为基础网络，并对YOLOv3结构进行改进，实现了对安全帽和人的检测精度有明显提升的效果。但是，当出现工作人员低头或临时被遮挡时，采用上述方法仍然会产生误检的情况，如判断为未佩戴安全帽，从而导致误报的情况频发。

发明内容

本申请提供了一种基于改进YOLOV3的安全帽佩戴检测方法及系统，用于解决当工作人员低头或临时被遮挡时产生误检，从而导致误报的情况频发的技术问题。

有鉴于此，本申请第一方面提供了一种基于改进YOLOV3的安全帽佩戴检测方法，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；

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。

优选地，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。

优选地，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；