[发明专利]一种基于YOLOv5的安全护具佩戴检测方法及系统

说明书

本发明涉及一种基于YOLOv5的安全护具佩戴检测方法及系统，方法包括：获取待检测的图像数据；将所述待检测的图像数据输入YOLOv5网络进行预测，得到特征图；所述特征图包括目标物体类别、目标物体个数和检测框位置；根据所述目标物体类别、所述目标物体个数和所述检测框位置确定施工人员是否正确佩戴安全护具。本发明能够提高对安全护具佩戴的检测精度和检测速度从而实现对施工人员安全护具佩戴情况的实时检测。

技术领域

本发明涉及安全护具检测领域，特别是涉及一种基于YOLOv5的安全护具佩戴检测方法及系统。

背景技术

在施工建设中，为保证施工人员的安全与健康，必须确保施工人员在施工时正确佩戴各种安全护具，其中安全护具包括安全帽、安全带和安全服。若作业人员未佩戴安全护具进行高处作业，则存在较大的安全隐患和事故风险。

目前，为确保施工人员在现场按要求佩戴安全护具施工，现行方法是通过人工审核的方式检测现场施工人员是否按要求佩戴安全护具，人工审核方法准确性高但费时费力，且无法保证安全护具检测的实时性。因此，如何实时保证安全护具检测的准确性、减少人工审核成本，是该问题需解决的难点。

此问题在计算机视觉研究方向中隶属于目标检测领域。目标检测是计算机视觉的重要研究领域之一，其主要任务是找出图像中特定的目标物体，并用检测框标记将物体的位置标记。目标检测的算法可以分为传统算法和基于深度学习的算法。传统的图像识别方法，主要依靠人工来提取特征。随着深度学习技术的出现，目标检测的研究取得了重大进展。相比于基于手工标注特征的传统算法，基于深度学习技术的方法具有结构灵活、特征自动提取、检测精度高、检测速度快等优点，因而受到广泛关注。

发明内容

本发明的目的是提供一种基于YOLOv5(You Only Look Once v5)的安全护具佩戴检测方法及系统，以提高对安全护具佩戴的检测精度和检测速度从而实现实时检测。

为实现上述目的，本发明提供了如下方案：

一种基于YOLOv5的安全护具佩戴检测方法，包括：

获取待检测的图像数据；

将所述待检测的图像数据输入YOLOv5网络进行预测，得到特征图；所述特征图包括目标物体类别、目标物体个数和检测框位置；

根据所述目标物体类别、所述目标物体个数和所述检测框位置确定施工人员是否正确佩戴安全护具。

为实现上述目的，本发明还提供了如下方案：

一种基于YOLOv5的安全护具佩戴检测系统，包括：

图像数据获取模块，用于获取待检测的图像数据；

预测模块，用于将所述待检测的图像数据输入YOLOv5网络进行预测，得到特征图；所述特征图包括目标物体类别、目标物体个数和检测框位置；

安全护具检测模块，用于根据所述目标物体类别、所述目标物体个数和所述检测框位置确定施工人员是否正确佩戴安全护具。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供的基于YOLOv5的安全护具佩戴检测方法及系统，通过YOLOv5网络对待检测的图像数据进行预测，得到特征图；所述特征图包括目标物体类别、目标物体个数和检测框位置；在通过根据所述目标物体类别、所述目标物体个数和所述检测框位置确定施工人员是否正确佩戴安全护具。采用YOLOv5卷积神经网络模型，与目标检测的传统方法相比，采用检测框回归的方法，减少了网络模型的计算次数，速度更快，准确率更高，从而实现对施工人员安全护具的佩戴情况进行实时检测。

附图说明