1.一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:步骤一、提取被检测区域内监控设备的视频流,以此为基础,通过数据增强方法建立最终训练集;
1‑1.在视频流中截取多张图片,对所得的各图片中的目标位置进行标记,以此作为初始训练集;
2‑2.将初始训练集中选取部分或全部图片分为多组,通过数据增强的方法进行数据扩充;数据增强方法包括随机裁剪、目标遮挡、噪声模拟环境和生成对抗样本;同一组图片选择各数据增强方法中的任意一种进行处理,形成最终训练集;
随机裁剪是指在原始图片的基础上随机截取一张预设大小的局部图片;目标遮挡是指对原始图片中的目标位置的不同部分设置黑色矩形块进行遮挡;噪声模拟环境是指在原始图片中加入了不同的模拟噪声;模拟噪声分为雨天模拟噪声、夜晚模拟噪声、雾天模拟噪声;
步骤二、将步骤一得到的最终训练集送入特征图融合模型中训练,直至模型的损失函数低于预设的阈值;
特征图融合模型包括YOLOv4基础模块和特征提取模块;YOLOv4基础模块使用跨阶段局部网络作为骨干网络,使用路径聚合网络和空间金字塔池化作为颈部;根据输入图像得到三个不同大小的yolo head特征图,记作 特征提取模块对输入图像的原图做3×3卷积运算,用BN层做归一化操作;特征提取模块输出的三个特征图 的分辨率与三个yolo head特征图 的分辨率分别大小一致;
通过两组特征图对应元素相加的操作,进行特征图融合;在得到三种输出融合图之后再做一次3x3的卷积操作以减小融合造成的混叠效应,得到三种输出融合图F1、F2、F3,最后利用交并比和非极大值抑制保留最优框;
步骤三、实时提取监控视频流,并将其输入训练好的特征图融合模型中,检测视频流中的作业人员和安全帽位置,确定工作人员是否佩戴安全帽,若有作业人员未佩戴安全帽,则系统进行预警提示。
2.根据权利要求1所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:所述的数据增强方法还包括Cutmix操作和高斯滤波去噪;所述的Cutmix操作是指将原始图片中的部分区域剪切掉,并在剪切掉的区域填充初始训练集中任选的另一张图片中的相同大小区域的内容。高斯滤波去噪是指通过高斯滤波视频去噪算法对原始图像进行去噪处理。
3.根据权利要求1所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:所述的生成对抗样本采用c&w、PGD、UAP、UEA、RAP、JSMA或Deepfool方法进行。
4.根据权利要求1所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:所述的生成对抗样本通过如下方法进行:先构造一个与darknet结构相同的分类网络,然后通过FGSM算法,在梯度方向上添加增量来诱导分类网络对生成的图片X′进行误分类,X′就是所需要的对抗样本;对抗样本X′生成过程如式(1)所示:X′=X+η (1)
式(1)中,X为初始图片;η为添加扰动,其表达式为η=ε×sign(▽XJ(θ,X,Y));ε为攻击参数;sign(·)为符号函数;▽XJ(θ,X,Y)为损失函数J(θ,X,Y)对X的偏导函数;θ为模型参数;Y为结果标签;通过线性化损失函数J(θ,X,Y),获得添加扰动η。
5.根据权利要求4所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:所述的损失函数J(θ,X,Y)用损失函数loss代替,表达式如式(2)所示;
2
式(2)中,s为图片划分的网格数量,B为每个网格包含的预测框数量;若第i个网格的第j个预测框为负责预测框,则 取1,反之取0;若第i个网格的第j个预测框不为负责预测框,则 取1,反之取0;在一个与目标物体相交的网格中,与目标物体的真实标注的重叠部分最大的预测框,即为负责预测框;
xi,yi分别表示由第i个网格负责的目标物体的真实标注的中心点坐标, 分别表示由第i个网格负责的目标物体的预测框的中心点坐标;hi、ωi分别代表由第i个网格负责的目标物体的真实标注的长度、宽度, 和 代表由第i个网格负责的obj的预测框的长宽;
Ci代表由第i个网格负责的目标物体的真实分类结果, 代表由第i个网格负责的obj的预测分类结果;pi(c)代表由第i个网格负责的目标物体属于第c个类别的真实分类概率,代表由第i个网格负责的目标物体属于第c个类别的预测分类概率;λcoord和λnoord分别表示坐标损失、网格预测类别损失的权重。
6.根据权利要求1所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:目标遮挡操作中,黑色矩形块遮挡住目标位置的1/4、1/3或1/2。
7.根据权利要求1所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:添加雨天模拟噪声的方法如下:首先,生成不同密度的随机噪声来模拟不同大小的雨量;随后,对添加的各部分噪声进行拉长、旋转方向操作,生成雨天模拟噪声;最后,对生成的雨天模拟噪声和原始图片进行叠加。
8.根据权利要求1所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:添加夜晚模拟噪声的方法具体如下:先截取一张夜晚工地的背景图,然后将该背景图以预设的夜晚模拟权重值加权到原始图片上;添加雾天模拟噪声的方法具体如下:先截取一张雾天工地的背景图,然后将该背景图以预设的雾天模拟权重值加权到原始图片上。
9.根据权利要求1所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:三个yolo head特征图 的分辨率分别为输入图像的1/8、1/16、1/32。
10.根据权利要求1所述的一种基于改进YOLOv4的安全帽佩戴检测方法,其特征在于:
所述的特征提取模块采用具有单侧抑制且稀疏激活的ReLU函数作为激活函数。