[发明专利]一种基于YOLOV4的anchor优化安全帽检测方法

权利要求书

1.一种基于YOLOV4的anchor优化安全帽检测方法，包括以下步骤：

(1)工人佩戴安全帽情况图像数据的获取；

(2)工人安全帽佩戴情况图像样本的划分；

(3)工人安全帽佩戴情况图像的特征提取；

(4)基于优化anchor的工人安全帽佩戴情况识别模型的构建。

2.根据权利要求1所述的一种基于YOLOV4的anchor优化安全帽检测方法，其特征在于：所述步骤(1)中，有关安全帽佩戴的公开数据集较少且数据不完善，需要重新建立数据集并进行标注。本发明的安全帽数据集是通过网络收集和自己在场景拍摄得到，为了提高本发明在实际场景中的应用能力，所收集的数据集图片均来自于现实生活中的场景，然后利用目标检测标注工具进行标注，将图片格式化为一定的尺寸，进而获得工人安全帽佩戴情况图像的信息，本发明的数据集定义为两类：工人佩戴安全帽和工人没有佩戴安全帽。

3.根据权利要求1所描述的一种基于YOLOV4的anchor优化安全帽检测方法，其特征在于：所描述步骤(2)中，采取随机抽样的方式将所采集的工人安全帽佩戴情况图像数据按一定的比例划分为独立不重复的验证集和测试集。

4.根据权利要求1所描述的一种基于YOLOV4的anchor优化安全帽检测方法，其特征在于：所描述的步骤(3)中，用于提取工人佩戴安全帽情况图像信息特征的主干网络CSPDarknet53，它是整个YOLOV4算法的核心。YOLOV4在YOLOV3的Darknet53的每个大残差块上加上CSPNet(Cross Stage Partial Network)，将基础层的特征映射划分为两个部分，再通过跨阶段层次结构合并，在减少计算量的同时保证准确率。CSPDarknet53的激活函数使用的是Mish激活函数，后面网络沿用leaky_relu函数，实验证明这样设置在目标检测中准确率更高。

5.根据权利要求1所描述的一种基于YOLOV4的anchor优化安全帽检测方法，其特征在于所描述步骤(4)中，在训练和测试阶段，利用CSPDarknet53提取工人佩戴安全帽情况的图像特征在验证集上构建为佩戴安全帽工人识别模块，优化了提取图像特征的anchor，利用K-means算法针对安全帽目标数据集重新聚类,得到更精准、更具代表性的anchor。确定识别模型的参数，然后利用测试集来检测识别效果，验证模块性能。