[发明专利]一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法

说明书

本发明公开了一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，其内容包括：搜集图像建立数据集，采用YOLO v4网络作为基础模型，将注意力机制融入到YOLO v4模型中，得到改进的YOLO v4安全防护检测模型；利用数据集对改进的YOLO v4安全防护检测模型进行训练得到改进后的YOLO v4目标检测模型；在改进的YOLO v4安全防护检测模型中输入待检测图像，采用改进后的YOLO v4目标检测模型输出对应的目标检测结果，分别定位行人的检测框、安全帽的检测框以及安全反光衣的检测框，并分别计算三个目标的CIoU，得到最终目标检测框；对施工场景安全设备目标进行检测和识别，并根据目标行人、安全帽和安全反光衣检测框的重合情况，判断图像中是否存在不规范穿戴安全设备的行为。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，应用于各类施工现场用于实时安全帽佩戴检测和安全防护检测。

背景技术

近年来，我国的视频监控技术已经取得了长足的发展。全天候监控摄像头已基本遍布在城市的各个角落，极大地保障了人民的生命财产安全。考虑到人工监察的不足，现有学者提出结合计算机视觉技术，并将其应用于工地场景中，逐步代替人工筛查和监控，使其能够较大程度地提高安防监测的效率。

结合深度学习中的目标检测的方法，基于全天候监控的视频监控技术已经广泛应用于智能视频监控跟踪、人流量和车流量管控、公共区域安全维护等领域中，但是在安全防护装备检测中的应用却较少。针对施工现场这一特定场景中需要实时监控管理的需求特点，构建基于深度学习且适用于工地场景的安全设备穿戴检测模型，可以有效解决施工场景中由于场景复杂以及环境多变所导致的监控成效效果差的问题，并能够对施工人员安全帽佩戴情况和安全反光衣穿戴情况进行实时检测分析，并将分析结果进行统计汇总，上报给相应监管人员。因此，研究开发对实现工地智能化和安全化的自动实时监控，保障施工工地人员的安全具有十分重要的意义。

安全防护设备穿戴检测是通过计算机目标检测算法准确判断施工人员在工作区域时是否按照规范佩戴安全帽、穿着安全反光衣，对存在的潜在危险，比如不规范穿戴安全设备的行为进行提醒，进而有效保证人员的生命安全。该任务本质上属于计算机视觉技术中的目标检测任务，通过相应的算法模型对人体是否穿戴安全防护设备进行检测。

发明内容

本发明的目的在于提供一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，该方法具有较高的检测速度和精度。

为实现上述目的，本发明所采取的技术方案为：

一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法，其内容包括：

步骤1：搜集图像建立数据集，所述数据集包括进入工地的施工人员图像、安全帽图像和安全反光衣图像；通过收集穿着安全反光衣以及佩戴安全帽的施工人员图像数据，对施工人员、佩戴安全帽以及穿着安全反光衣的施工人员均进行标注，使用开源软件LabelImg对工地场景下施工人员相关信息进行标注，标注包括五类：head、helmet、person、reflective-clothes和other-clothes；

步骤2：采用YOLO v4网络作为基础模型，使用轻量化网络MobileNet作为主干网络提取图像特征，增加注意力机制模块，将注意力机制融入到YOLO v4模型中，得到改进的YOLO v4安全防护检测模型，实现对施工人员、安全帽和安全反光衣的检测；

步骤3：利用所述数据集对所述改进的YOLO v4安全防护检测模型进行训练，将训练后最佳的权重文件加载至改进的YOLO v4安全防护检测模型中得到改进后的YOLO v4目标检测模型；