一种基于深度学习的检测工人是否佩戴安全帽的方法.pdf
邻家****ng
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的检测工人是否佩戴安全帽的方法.pdf
本发明属于深度学习的计算机视觉领域,是一种基于深度学习的工人安全帽佩戴检测方法,该方法包括以下步骤:S1、获取足够数量的含有佩戴安全帽人物样本和未佩戴安全帽人物样本的安全帽检测数据集,并随即按一定比例划分为训练集和测试集;S2、使用Pytorch深度学习框架,搭建CSP‑R‑FCN双阶段目标检测模型;S3、搭建模型训练和测试系统,对CSP‑R‑FCN双阶段目标检测模型进行训练和测试,直到其获得检测安全帽佩戴的能力;S4、提取实际应用场景:工地监控的视频,逐帧进行检测并输出检测结果,完成对安全帽佩戴的检测。
基于深度学习的安全帽佩戴检测方法、装置、设备及介质.pdf
本发明公开基于深度学习的安全帽佩戴检测方法、装置、设备及介质,该方法包括如下步骤:获取待检测的人员图像;将所述待检测的人员图像输入已训练的多尺度感知网络模型中;所述多尺度感知网络模型包括三个并行的CNN子网络,三个所述CNN子网络的结构仅卷积核的尺寸不同,每个CNN子网均包括用于提取全局特征的通道注意力模块和用于提取局部特征的空间注意力模块;输出所述待检测的人员图像分类结果,所述分类结果包括未佩戴安全帽和佩戴安全帽。本发明在变电站的复杂场景有很高的检出率和很低的误检率,且使用深度学习的方法可以减少之前人工
一种基于深度学习的安全帽佩戴监测方法及系统.pdf
本发明提供一种基于深度学习的安全帽佩戴监测方法及系统,该方法包括如下步骤:输入视频流,从视频流中抽取视频帧;对抽取的视频帧进行预处理,形成头肩特征图,检测出人员的头肩位置,并进行头肩区域外扩,形成头肩及外扩区域视频帧;对头肩及外扩区域视频帧进行预处理,形成安全帽特征图,检测出人员是否佩戴安全帽;对未佩戴安全帽的行为进行预警。本发明将检测之后的头肩区域进行二次属性分析,采用人员的头肩检测和基于头肩的安全帽检测方案,目标漏检测少、精度高、速度快,利用深度学习的特征提取优势,提升安全帽的检测精度和速度,能够快速
一种基于深度学习的人脸口罩佩戴检测方法.pdf
本发明公开了一种基于深度学习的人脸口罩佩戴检测方法,包括如下步骤:S1、数据准备并制作训练集;S2、构建YOLOV4目标检测模型;S3、人脸口罩佩戴检测模型进行视频流实时检测;S4、通过YOLOV4的特征提取网络,提取三个特征层,三个特征层的预测结果分别对应三个边界框的位置;通过先验框对边界框的预测与回归,就可以获得多个边界框的信息,通过非极大值抑制算法,保留置信分最高的边界框作为目标的检测框,从而确定检测框的最终位置,检测识别未佩戴口罩人员。本发明实现了对佩戴口罩和未佩戴口罩人员的检测识别,通过采用YO
一种安全帽佩戴检测方法.pdf
本发明属于图像识别技术领域,具体涉及一种安全帽佩戴检测方法。针对现有检测算法存在的重叠目标检测难度大或者小目标漏检率高的不足,发明采用如下技术方案:一种安全帽佩戴检测方法,包括:数据集制作;模型建立:模型选择,包括:改进的YOLOv3模型使用newconv2d代替标准卷积层,采用的公式为:Y=x*w1+b1=x1*w2+b2;数据集预处理;聚类算法初始化锚框,模型训练;模型测试,包括:特征提取和边界框预测,以及对预测出的边界框进行非极大值抑制;目标检测。本发明的安全帽佩戴检测方法的有益效果是:通过矩阵分