一种在工地施工场景下的安全帽佩戴检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115240117A(43)申请公布日2022.10.25(21)申请号202210912235.2(22)申请日2022.07.30(71)申请人福州大学地址362251福建省泉州市晋江市金井镇水城路1号(72)发明人陈俊陈海明(74)专利代理机构福州元创专利商标代理有限公司35100专利代理师蔡学俊薛金才(51)Int.Cl.G06V20/40(2022.01)G06V20/52(2022.01)G06V10/82(2022.01)权利要求书2页说明书6页附图3页(54)发明名称一种在工地施工场景下的安全帽佩戴检测方法(57)摘要本发明提供了一种在工地施工场景下的安全帽佩戴检测方法，包括如下步骤：步骤S1:采集工地施工场景的视频帧图像；步骤S2:将已获取到的视频帧图像进行标注和数据增强处理；步骤S3:将预处理后的数据集送入改进的YOLOv4‑tiny算法中进行训练；步骤S4:用已训练好的检测模型对获取到的工地现场摄像头视频流进行检测；步骤S5:若检测到有人员未佩戴安全帽，便发出相应的声音警报信息。应用本技术方案可实现在保证工地安全帽佩戴检测效率的同时，进一步提高检测精度。CN115240117ACN115240117A权利要求书1/2页1.一种在工地施工场景下的安全帽佩戴检测方法，其特征在于包括如下步骤：步骤S1:采集工地施工场景的视频帧图像；步骤S2:将已获取到的视频帧图像进行标注和数据增强处理；步骤S3:将预处理后的数据集送入改进的YOLOv4‑tiny算法中进行训练；步骤S4:用已训练好的检测模型对获取到的工地现场摄像头视频流进行检测；步骤S5:若检测到有人员未佩戴安全帽，便发出相应的声音警报信息。2.根据权利要求1所述的一种在工地施工场景下的安全帽佩戴检测方法，其特征在于，所述步骤S1的视频帧图像是指在实际的施工环境下通过工业摄像头采集到视频后，再通过对视频进行帧的获取处理后而得到的图像。3.根据权利要求1所述的一种在工地施工场景下的安全帽佩戴检测方法，其特征在于，所述步骤S2图像预处理方法的实现过程为：步骤S21:通过运用LabelImg软件，对采集到的视频帧图像进行标注，其中所标注的标签文件为XML格式；步骤S22:通过使用Python中的数据增强库imgaug，对步骤S21的视频帧图像进行数据增强处理，其中数据增强处理包括旋转、平移、裁剪、加入高斯噪声操作。4.根据权利要求1所述的一种在工地施工场景下的安全帽佩戴检测方法，其特征在于，所述步骤S3中的改进的YOLOv4‑tiny算法具体为：步骤S31:在YOLOv4‑tiny算法的FPN层的Concat操作中使用更浅层的特征图，丰富Concat后的特征图的小目标位置细节信息；步骤S32:在YOLOv4‑tiny算法的YOLOHead前加入CBAM注意力机制模块，使得网络模型更关注于对重要信息的学习；步骤S33:使用Soft‑NMS算法代替YOLOv4‑tiny算法中原有的NMS算法。5.根据权利要求1所述的一种在工地施工场景下的安全帽佩戴检测方法，其特征在于，所述步骤S4中的工地现场的摄像头将接入本地主机端，同时在本地主机端通过对模型的加载来实现对实际施工现场中工地人员的安全帽佩戴情况进行检测。6.根据权利要求1所述的一种在工地施工场景下的安全帽佩戴检测方法，其特征在于，所述步骤S5中的声音警报信息将通过Python中自带的playsound模块来实现；playsound模块通过“pipinstallplaysound”这个命令来进行安装。7.根据权利要求1所述的一种在工地施工场景下的安全帽佩戴检测方法，其特征在于，当输入图像的大小为608×608时，YOLOv4‑tiny算法中由CSPDarknet53‑tiny产生的两个有效特征层的尺寸大小分别是19×19，38×38；尺寸大小为38×38的有效特征层具有较多的小目标位置细节信息，而尺寸大小为19×19的有效特征层具有较多的图像语义信息，这两个有效特征层会参与到加强特征提取网络FPN层的构建；其中需要注意的是，ResidualBlock_Body3输出的用于接下来进行Concat操作的特征图是未经过MaxPooling处理的，所以其尺寸大小仍然为38×38；YOLOv4‑tiny算法中的两个YOLOHead的输出特征图大小分别是19×19，38×38；尺寸大小为19×19的YOLOHead负责进行对较大目标的检测，尺寸大小为38×38的YOLOHead负责进行对较小目标的检测；将ResidualBlock_Body2中的在MaxPooling处理前的尺寸大小为76×76的输出特征图经过下采样之后，再将其参与到尺寸大小为19×19的特征图通过卷积