[发明专利]一种基于改进YOLO V5的安全服检测方法和系统

权利要求书

1.一种基于改进YOLO V5的安全服检测方法，其特征在于，该方法包括：

采用安全服穿着状态训练集训练改进YOLO V5，所述训练集中的训练样本为包含工作人员的图片帧，标签为工作人员安全服穿着状态，得到训练好的检测模型；将工业监控视频的每一帧输入至训练好的检测模型，得到安全服检测结果；

所述改进YOLO V5包括串联的Input、改进Backbone、Neck和Prediction，所述改进Backbone为EfficientNet、ResNet50或者ShuffleNet；当所述改进Backbone为EfficientNet时，通过复合模型扩张系数对网络结构的宽度、深度与输入图像分辨率进行统一放缩；当所述改进Backbone为ResNet50时，通过残差模块，优化YOLO V5模型深度扩张过程中不同卷积网络层在特征传递过程中权重无法及时更新而导致的梯度损失问题，让网络提取到输入图像的特征信息通过跳跃层之间连接的方式，完整保留到下一层，在前向传播过程中消除YOLO V5网络层之间梯度弥散问题；当所述改进Backbone为ShuffleNet时，降低YOLO V5网络结构的复杂度与模型体积，实现轻量化模型；

采用以下方式构建安全服穿着状态训练集：

从真实工业场景监控视频中提取包含工作人员的图片帧；

根据工作人员安全服穿着状态，对每个图片帧中工作人员进行标注，标注内容包括：是否穿着安全服和穿着何种颜色安全服，得到安全服穿着状态检测数据集和与安全服穿着颜色检测数据集；

提取图片帧的方式如下：将读取到的监控视频流第一帧图像设为背景帧，将静止不动对象设置为背景，使用背景建模算法提取运动目标对象；并计算后续帧与当前背景帧之间的差值，如果差值大于阈值T，则更新背景帧，否则继续读取直到视频结束为止；如果差值小于阈值T，则计算运动目标对象的移动轮廓面积，如果移动轮廓面积大于阈值T’，保存该图片帧，否则继续读取下一帧；

使用LabelImg软件对安全服穿着状态训练集中工作人员穿着安全服的情况进行标注，正确穿着安全服标注为“SafetyCloth”，没有穿着安全服标注为“No_SafetyCloth”，穿着绿色安全服标注为“Green”，穿着白色安全服标注为“White”，穿着橙色安全服标注为“Orange”，对于工作人员正面面对摄像头，穿着安全服但上衣未系扣或拉链的情况标注为安全服穿着不规范“SC_Unzip”；

采用Random Erase与Grid Mask数据增强方式在检测模型训练过程中对数据集进行扩充，其中，Random Erase方式分为以图像背景为感知的随机擦除与以目标对象为感知的随机擦除两种方式，Grid Mask数据增强通过调整x、y、w、h和I五个参数控制被遮挡区域面积与密度，直至检测模型收敛；

采用EfficientNet的改进YOLO V5、采用ResNet50的改进YOLO V5以及采用ShuffleNet的改进YOLO V5构成基于YOLO V5的模型融合算法，训练后的模型融合算法提高了对于真实工业场景中复杂背景中受复杂问题干扰的安全服的检测准确率和鲁棒性，同时对工作人员正面面对摄像头、安全服穿着不规范的目标检测准确率高；所述复杂问题包括光照变化、遮挡、监控画面损失和运动模糊。

2.如权利要求1所述的方法，其特征在于，在Input部分采用Random Erase数据增强方式对图片帧进行随机遮挡：在目标对象区域生成的随机遮挡块，对图像中的目标对象产生不同程度的遮挡，但没有完全遮挡。

3.如权利要求1或2所述的方法，其特征在于，在Input部分采用GridMask数据增强方式对图片帧进行随机遮挡：生成与原图像相同分辨率的Mask，经过相乘运算得到处理后的图像。

4.一种基于改进YOLO V5的安全服检测系统，其特征在于，包括：计算机可读存储介质和处理器；

所述计算机可读存储介质用于存储可执行指令；

所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至3任一项所述的基于改进YOLO V5的安全服检测方法。