[发明专利]一种基于YOLOv4-Tiny的加油站安全帽佩戴实时检测方法

权利要求书

1.一种基于YOLOv4-Tiny的加油站安全帽佩戴实时检测方法，其特征在于，包括步骤：

S1、对加油站原有监控视频进行抽帧处理，提取得到多张监控图片，对监控图片进行预处理，以得到训练图片，并选取相应比例训练图片进行对抗样本生成，剩余训练图片作为原始样本；

S2、基于对抗样本、原始样本生成第一训练集；

S3、采用第一训练集对YOLOv4-Tiny改进模型进行训练，以得到相应训练权重；

S4、接入加油站实时监控，并进行帧分解，将每一帧的分解图片实时输入训练完成的YOLOv4-Tiny改进模型中，以得到分解图片中人员安全帽佩戴分类结果，并将分类结果叠加至分解图片中，以得到分类图片；

S5、将分类图片实时合成视频，进行视频实时输出；

YOLOv4-Tiny改进模型包括依次相联的特征提取骨干网络模块、多尺度特征融合模块、分类预测模块，特征提取骨干网络模块为CSPdarknet53_tiny网络；

YOLOv4-Tiny改进模型还包括注意力机制模块，注意力机制模块插入到CSPdarknet53_tiny网络的Resblock_body模块的残差网络中。

2.根据权利要求1所述的一种基于YOLOv4-Tiny的加油站安全帽佩戴实时检测方法，其特征在于，注意力机制模块为SENet网络，所述的SENet网络为通道特征注意力网络，对输入的特征图首先进行全局平均池化，再经过两个全连接层，最后通过Sigmoid激活函数输出相应的权重，该权重与输入的特征图相乘得到输出。

3.根据权利要求1所述的一种基于YOLOv4-Tiny的加油站安全帽佩戴实时检测方法，其特征在于，步骤S1中，包括步骤：

S1.1、选取一时间段内加油站监控视频，进行抽帧处理，得到包含人员佩戴安全帽和不佩戴安全帽的监控图片；

S1.2、对监控图片中目标位置进行标记，并形成标签，以得到训练图片；

S1.3、选取相应比例的训练图片，采用目标对抗物体梯度攻击方法，以生成对抗样本；

S1.4、将对抗样本和剩余训练图片进行打乱操作，并进行数据增强操作，以形成第一训练集。

4.根据权利要求3所述的一种基于YOLOv4-Tiny的加油站安全帽佩戴实时检测方法，其特征在于，步骤S1.3中，包括步骤：

S1.3.1、训练得到训练好的原始YOLOv4-Tiny网络；

S1.3.2、将选取的相应比例的训练图片，输入到训练好的原始YOLOv4-Tiny网络，网络前向传播，得到置信度损失；

S1.3.3、将置信度损失进行反向传播，在反向传播过程中冻结网络参数不可变，仅可以修改图片的像素；

S1.3.4、每次迭代后，将被修改过的图片输入到训练好的原始YOLOv4-Tiny网络中，若无法被正确检测到目标位置，则停止迭代，该图片成为对抗样本。

5.根据权利要求4所述的一种基于YOLOv4-Tiny的加油站安全帽佩戴实时检测方法，其特征在于，步骤S1.3.3中，朝着置信度损失变大的方向前进反向传播。

6.根据权利要求4所述的一种基于YOLOv4-Tiny的加油站安全帽佩戴实时检测方法，其特征在于，步骤S1.3.1中，包括以下步骤：

a、将所有训练图片作为第二训练集；

b、将训练标签改成person、50%hat、100%hat三类，分别用来检测未佩戴安全帽、未正确佩戴安全帽、正确佩戴安全帽；

c、通过将第二训练集输入至原始YOLOv4-Tiny模型以计算损失loss，并进行反向传播，以得到相应网络权重，进而得到训练好的原始YOLOv4-Tiny网络。