[发明专利]基于改进YOLOv3算法的非机动车头盔佩戴检测方法

说明书

本发明公开一种基于改进YOLOv3算法的非机动车头盔佩戴检测方法，包括：获取交通监控视频流，进行加工、数据增强建立训练数据集；构建改进的YOLOv3目标检测模型；使用训练数据集对改进的YOLOv3算法模型进行训练，将训练后最佳的权重文件加载至模型得到非机动车头盔检测网络；读入待检测的交通监控视频帧图像，采用所述非机动车头盔检测网络输出对应的头盔检测结果。本发明解决了传统人工检测方法效率低的问题，提高了非机动车头盔佩戴检测的速度和准确度。

技术领域

本发明涉及计算机视觉的目标检测技术领域，具体涉及一种基于改进YOLOv3算法的非机动车头盔佩戴检测方法。

背景技术

随着计算机视觉相关技术的不断发展，目标检测技术已在工业领域得到广泛应用，路面交通监控就是其中的一个重要应用领域。近年来非机动车与机动车相撞事故多发，头盔作为非机动车骑乘人员唯一的安全设备，可以有效降低非机动车骑乘人员在交通事故中遭受的伤害。为了确保非机动车骑乘人员在道路上的安全，必须对道路上非机动车骑乘人员是否佩戴头盔进行检测。然而道路上交通工具数量的迅速增长给检测方法带来了新的挑战，传统的人工检测方法效率较低，速度较慢。YOLOv3作为近年来目标检测领域内一种较新的网络模型结构，可同时预测检测对象的类别和位置，将目标检测视为简单的回归问题，是一种实时检测方法。因此，设计一种基于改进YOLOv3算法的非机动车头盔佩戴检测方法具有较大的意义。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于改进YOLOv3算法的非机动车头盔佩戴检测方法，能够实现对非机动车骑乘人员头盔佩戴情况的检测，提高了非机动车头盔佩戴检测的速度与精度。

本发明的技术方案如下：

一种基于改进YOLOv3算法的非机动车头盔佩戴检测方法，包括以下步骤：

1)以交通监控设备提供的视频流为基础，通过数据增强的方法建立训练数据集；

2)构建改进的YOLOv3目标检测算法模型；

3)将训练数据集送入改进的YOLOv3算法模型进行训练，直至模型收敛，即模型的损失函数值低于预先设定的阈值；

4)将实时交通监控视频流输入训练好的改进的YOLOv3算法模型中，检测视频流中非机动车、骑乘人员和非机动车安全头盔的位置，以确定非机动车骑乘人员是否佩戴头盔，若有非机动车骑乘人员未佩戴头盔，则进行标记；对于同一辆非机动车上检测到两个以上骑乘人员时，会进行超载标记。

进一步的，所述步骤1)使用交通监控设备录制的道路交通视频作为样本数据，所述道路交通视频的分辨率为1920x1080；将样本数据以每秒25帧转换为图像序列，并每10帧截取一张视频图像作为图像数据集，剔除其中不包含非机动车的图像，对得到的图像通过数据增强的方法进行数据扩充，所述数据增强方法具体包括图像旋转、目标遮挡和增加模拟噪声，图像旋转是指将原始图像以顺时针90°、180°和270°进行旋转得到新的图像，目标遮挡是指对原始图像中目标物体的不同部分设置黑色矩形块进行遮挡从而得到新的图像，增加模拟噪声是指使用现有的雨雾噪声算法给原始图像加上雨雾模拟噪声。对于经过数据增强得到的训练数据集，使用LabelImg软件进行多标签标注，自动生成相应的xml格式标注文件，其中包含对象名和边界框的坐标信息，类别为非机动车、骑乘人员和非机动车头盔。