[发明专利]基于YOLO进化深度学习模型的安全帽检测与预警方法

说明书

本发明公开了计算机视觉图像处理技术领域的一种基于YOLO进化深度学习模型的安全帽检测与预警方法，旨在解决现有技术中采用人工方式对工业生产环境下行人是否佩戴安全帽进行检测与预警，效率低下，效果不佳，不能满足实际需求的技术问题。所述方法包括如下步骤：将实时获取的目标视频图像输入预先训练好的YOLO进化深度学习模型，标记出目标视频图像中的未佩戴安全帽的人体；向所标记人体发出预警信号。

技术领域

本发明涉及一种基于YOLO进化深度学习模型的安全帽检测与预警方法，属于计算机视觉图像处理技术领域。

背景技术

随着社会经济和工业规模的迅速发展，在工业生产环境下行人的安全受到越来越广泛的关注。目前，最主要的安全措施是在工业生产环境下行人必须佩戴安全帽，同时利用视频监控系统进行检测与预警，及时提醒未佩戴安全帽的行人。

该视频监控方法通常只是利用了视频的实时浏览功能，最终需要依靠肉眼识别判断。对于大规模的工业生产环境，由于需要人工不间断观测，不仅耗费大量人力物力、效率低下，而且极易受到周围环境的影响，尤其是当光线较差或因长时间观察导致人体疲劳时，会直接影响了检测效果，不能满足当前的需求。

发明内容

针对现有技术的不足，本发明的目的在于提供一种基于YOLO进化深度学习模型的安全帽检测与预警方法，以解决现有技术中采用人工方式对工业生产环境下行人是否佩戴安全帽进行检测与预警，效率低下，效果不佳，不能满足实际需求的技术问题。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于YOLO进化深度学习模型的安全帽检测与预警方法，包括如下步骤：

将实时获取的目标视频图像输入预先训练好的YOLO进化深度学习模型，标记出目标视频图像中的未佩戴安全帽的人体；

向所标记人体发出预警信号。

进一步地，所述YOLO进化深度学习模型的训练方法，包括：

将预先获取的视频图像逐帧分解为图片样本；

对图片样本中的安全帽添加标签；

以预构建的损失函数最小为目标，利用添加有标签的图片样本对YOLO进化深度学习模型进行训练。

进一步地，在对图片样本中的安全帽添加标签之前，还包括：对图片样本进行预处理，所述预处理包括删除图片样本中的无效图片，所述无效图片包括无安全帽的图片样本。

进一步地，在对YOLO进化深度学习模型进行训练时，还包括：将YOLO进化深度学习模型对图片样本的识别结果进行HSV颜色空间转换。

进一步地，所述损失函数，其表达式如下：