[发明专利]一种火电厂现场安全帽佩戴检测方法

权利要求书

1.一种火电厂现场安全帽佩戴检测方法，其特征在于：

所述方法包括以下步骤：

S1：获取监控区域内带有工作人员的视频图片，形成安全帽佩戴检测数据集；

S2：对安全帽佩戴检测数据集图片中工作人员是否佩戴安全帽进行标注，并将其随机划分为训练集与测试集；

S3：根据步骤S1获得的安全帽佩戴检测数据集生成其对应的适用于监控区域的锚框；

S4：使用训练集训练改进的YOLOv3模型，使用测试集检测每一代训练后改进的YOLOv3模型，筛选获得安全帽佩戴检测模型；

S5：调整安全帽佩戴检测模型的模型置信度，得到检测结果最优的安全帽佩戴检测模型；

S6：基于步骤S5得到的安全帽佩戴检测模型对监控区域内安全帽佩戴情况进行实时检测。

2.根据权利要求1所述的一种火电厂现场安全帽佩戴检测方法，其特征在于：

步骤S2具体包括以步骤：

S201：对安全帽佩戴检测数据集中人物是否佩戴安全帽进行人工逐一标注，其中被标注部分作为正样本，未标注部分作为负样本，获得xml格式文件；

S202：获取xml格式文件中每个标注对象的类别及检测框并生成对应的txt格式文件；

S203：生成安全帽佩戴检测数据集对应的所有txt格式文件路径，并存储在dataset.txt文件中；

S204：随机分配步骤S203中存储在dataset.txt文件内的存有标注内容的txt文件，将其分为训练集与测试集。

3.根据权利要求1所述的一种火电厂现场安全帽佩戴检测方法，其特征在于：

步骤S3中，使用聚类方法生成锚框，聚类中距离度量方法为IOU距离，计算公式为：

D＝1-IOU(box,clusters)

D为预测框与真实框的距离，box为标注框，clusters为聚类数目。

4.根据权利要求1所述的一种火电厂现场安全帽佩戴检测方法，其特征在于：

步骤S4所述改进后的YOLOv3模型分为2个类别，一类佩戴安全帽的标为hat，未佩戴安全帽的标为none；

所述改进后的YOLOv3模型，其输入图片尺寸为576*576；

所述改进后的YOLOv3模型包括第一YOLO层、第二YOLO层和第三YOLO层，分别位于第89层、第101层、第113层；

所述第一YOLO层、第二YOLO层和第三YOLO层生成的锚框数分别为3个、3个和5个，用于检测大目标、中目标、小目标，所述大目标的尺寸大于96*96，中目标的尺寸大于32*32且小于或等于96*96，小目标的尺寸小于或等于32*32；

所述第一YOLO层、第二YOLO层和第三YOLO层的特征图尺寸分别为9*9、36*36和72*72；

所述改进后的YOLOv3模型，其第88层步长为2，第112层有35个特征图，特征图数量计算公式为：

filters＝(classes+5)*anchors

其中，classes取2，代表模型类别数量，anchors取5，代表锚框数量，5个锚框分别是x、y、长、宽和背景。

5.根据权利要求1所述的一种火电厂现场安全帽佩戴检测方法，其特征在于：

步骤S4在训练时采用FOCAL LOSS作为损失函数，损失函数公式为：

FL(p_t)＝-α_t(1-p_t)^γlog(p_t)

其中p为预测的概率，α与γ均为超参数；

采用Swish作为激活函数，激活函数公式为：

f(x)＝x·sigmoid(x)；

其中，x是输入图像的张量。