一种复杂场景下的安全帽佩戴检测方法.pdf
丹烟****魔王
亲,该文档总共15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
一种复杂场景下的安全帽佩戴检测方法.pdf
本发明公开了一种基于多尺度特征的安全帽佩戴检测方法,该方法包含:在YOLOv5网络骨干部分引入注意力机制,减少网络中有效信息在传递中的损失;在YOLOv5网络颈部和头部增加第四个检测尺度104×104,增强对小目标的检测能力;在大型数据集上对CSPDarkNet53模型进行预训练后,迁移学习其特征提取能力至安全帽佩戴检测模型,缓解数据集不充足的问题;根据安全帽佩戴检测框推断人体边界框,提取未佩戴安全帽人员的骨架关键点,设计步态识别模块,识别未佩戴安全帽人员身份;本发明在复杂场景下利用多尺度特征提高了安
一种在工地施工场景下的安全帽佩戴检测方法.pdf
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。
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
一种复杂场景下的物品安全检测方法.pdf
本发明公开了一种复杂场景下的物品安全检测方法,包括以下步骤:1)在某段时间间隔内,将视频的第一帧图像和第二帧图像作为初始背景图像和当前背景图像,将第三帧图像与初始背景图像和当前背景图像进行求差计算获得第一运动目标;2)对初始背景图像和当前背景图像进行更新,更新后与第四帧图像进行求差计算获得第二运动目标,以此类推…直至获得该段时间内第N帧图像中的第N运动目标;3)在第N运动目标所在图像中提取静态运动目标;4)判断静态运动目标为滞留物或偷窃物并报警。该方法能够克服在许多监控场景中,相对于初始背景会产生许多进入
一种轻量级检测佩戴安全帽的方法.pdf
本发明提供了一种轻量级检测佩戴安全帽的方法,包括以下步骤:步骤S1,获取工人佩戴安全帽图像的数据集,预处理后得到预处理数据集;步骤S2,搭建轻量级检测佩戴安全帽网络模型包括主干特征提取网络、增强特征提取网络和检测模块;步骤S3,通过主干特征提取网络得到主干特征数据;步骤S4,通过增强特征提取网络得到增强特征数据;步骤S5,通过检测模块得到边界框和置信度评分;步骤S6,重复步骤S3至步骤S5,直到满足停止条件,得到训练后的轻量级检测佩戴安全帽网络模型;步骤S7,获取待检测图像并进行预处理后输入到轻量级检测佩