[发明专利]基于改进YOLOv5s的头盔检测方法、装置、电子设备和存储介质

说明书

本发明涉及一种基于改进YOLOv5s的头盔检测方法、装置、电子设备和存储介质，本方法包括：构建YOLOv5s‑Light目标检测框架；利用目标图像训练集对所述YOLOv5s‑Light目标检测框架进行训练得到YOLOv5s‑Light目标检测训练框架；将待检测图像集输入所述YOLOv5s‑Light目标检测训练框架中得到目标检测集合；利用骑行检测算法对所述目标检测集合进行检测得到目标检测结果。本方法首先构建了YOLOv5s‑Light目标检测框架，YOLOv5s‑Light目标检测框架在YOLOv5s目标检测框架的基础上大幅度的减少了网络参数量，实现了轻量化模型的构建，然后利用YOLOv5s‑Light目标检测框架得到目标检测集合，最后通过骑行检测算法对目标检测集合进行检测得到目标检测结果，能够有效检测需求的目标，过滤不必要的目标，检测要求低。

技术领域

本发明属于机器视觉应用技术领域，具体涉及一种基于改进YOLOv5s 的头盔检测方法、装置、电子设备和存储介质。

背景技术

近年来，摩托车和电动车作为人们日常出行的重要交通工具，其引发 的交通事故也在不断增多，摩托车和电动车的骑行者发生交通事故后头部 创伤导致的死亡率非常高，约80％为颅脑损伤，发生这一情况的重要原因是 骑行者未能正确佩戴头盔，疏忽了对头部的保护。

科学研究表明，如果正确佩戴安全头盔，当意外发生时，头盔能够吸收 大部分的冲击能量，减少事故造成的头部伤害，从而降低60％到70％的交通 事故死亡风险。目前人们对正确佩戴头盔这一问题不够重视，传统的头盔佩 戴检测方法是依靠交警的监督或人工对摄像设备拍摄的内容进行检测，其 效率较低且成本较高。因此，设计一种头盔佩戴情况自动检测方法，对于提 高头盔检测的精度和效率，协助交警执法、实现智能化交通管理显得尤为重要。现有的头盔检测方法主要分为基于传统机器学习的头盔检测方法和基 于深度学习的头盔检测方法两大类。基于传统机器学习的头盔检测方法的 检测精度和效率均有待进一步提高。例如，Bhaga等人提出了基于局部二值 模式(Local binary mode，LBP)级联分类器的头盔检测方法，但其训练和检 测的过程非常耗时。

为了优化传统机器学习的头盔检测方法，Mukhtar等人先利用方向梯度 直方图(Histogram of oriented gradient，HOG)特征提取算法提取摩托车特征， 再利用支持向量机(Support vector machine，SVM)对头盔进行分类检测，基 于此，科学家进一步提出了基于深度学习的头盔检测方法。在探索基于深度 学习的头盔检测方法中，Prajwal等人先利用YOLOv2检测出视频帧中的人、 摩托车和电动车，再利用YOLOv3检测感兴趣区域(Region of interest，ROI) 中是否含有头盔，该方法使用的框架冗余，计算量大；Noel等先利用传统机 器视觉方法对摩托车和电动车进行分类，再利用YOLOv3目标检测框架对头盔进行检测，该方法对拍摄角度和图像质量的要求较高。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于改进 YOLOv5s的头盔检测方法、装置、电子设备和存储介质。本发明要解决的 技术问题通过以下技术方案实现：

本发明的一种基于改进YOLOv5s的头盔检测方法，包括：

构建YOLOv5s-Light目标检测框架；

利用目标图像训练集对所述YOLOv5s-Light目标检测框架进行训练得 到YOLOv5s-Light目标检测训练框架；

将待检测图像集输入所述YOLOv5s-Light目标检测训练框架中得到目 标检测集合；

利用骑行检测算法对所述目标检测集合进行检测得到目标检测结果。

在本发明的一个实施例中，构建YOLOv5s-Light目标检测框架，包括：