一种船上作业人员穿戴救生衣的检测识别方法与流程

本发明涉及船上作业人员穿戴救生衣检测，具体为一种船上作业人员穿戴救生衣的检测识别方法。

背景技术：

1、船上作业人员进行临水作业以及驾驶、乘坐交通艇时落水风险较大，因此，船舶航行和作业期间，船上作业人员需穿戴救生衣。然而，有些船上作业人员因作业时间短、天气炎热等原因而不按规定穿戴救生衣，导致落水失踪事故时有发生。

2、目前，现有的船业数字化支持平台通过人工智能的方法，研发了基于深度学习的船业作业视频救生衣识别模型，对视频监督平台中存量与直播作业视频进行救生衣识别分析，降低人工识别工作量。但是，该方法仍然存在以下问题：

3、首先，由于检测设备和船体之间的距离变化很大，物体尺度变化剧烈；

4、其次，检测设备拍摄的图像中包含了高密度的物体，导致物体之间存在遮挡；

5、第三，检测设备拍摄的图像由于覆盖面积大，往往包含令人困惑的景物元素；

6、以上三个问题使得检测设备捕捉未穿救生衣图像的目标检测非常具有挑战性。因此，提出相应的检测识别方法来解决上述问题。

技术实现思路

1、针对现有技术的不足，本发明提供了一种船上作业人员穿戴救生衣的检测识别方法，解决了上述背景技术中提出由于检测设备和船体之间的距离变化很大，物体尺度变化剧烈；检测设备拍摄的图像中包含了高密度的物体，导致物体之间存在遮挡；检测设备拍摄的图像由于覆盖面积大，往往包含令人困惑的景物元素的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种船上作业人员穿戴救生衣的检测识别方法，该检测识别方法包括以下步骤：

3、步骤一、采集图像样本集；

4、步骤二、对图像样本集中的图像样本进行预处理，将预处理后的图像样本的尺寸调整为相同大小，对调整尺寸后的图像样本集进行标注，并按照指定比例划分为训练集和测试集；

5、步骤三、构建yolov5网络，利用训练集对构建的yolov5网络进行训练，得到训练好的yolov5网络；

6、步骤四、利用训练好的yolov5网络对测试集中的测试样本进行测试，得到船上作业人员是否穿戴救生衣的测试结果。

7、可选的，所述步骤一中，采集图像样本集是通过拍摄船舶视频，并截取视频中出现船上作业人员的视频帧作为图像样本集中的图像样本，图像样本包括船上作业人员穿救生衣和未穿救生衣的视频帧。

8、可选的，所述步骤二中，预处理包括归一化、缩放和裁剪操作。

9、可选的，所述步骤二中，预处理后的图像样本的尺寸调整为640像素*640像素。

10、可选的，所述步骤二中，标注采用的工具为labelimg或者cvat工具。

11、可选的，所述步骤三中，yolov5网络包括输入端、骨干网络、颈部网络和预测端，采用cspdarknet53作为骨干网络，采用panet网络作为颈部网络，预测端包括四个检测头模块，所述四个检测头模块均为transformer检测头，在每个检测头模块的输出部分增加空间通道注意力模块；

12、所述输入端用于输入rgb三通道图像，骨干网络用于对输入端输入的图像进行图像特征提取，得到不同层次的特征图；颈部网络用于将不同层次的特征图融合在一起，生成具有多尺度信息的特征图；预测端用于对颈部网络生成的具有多尺度信息的特征图进行目标检测，输出矩形框坐标、类别和置信度得分，并采用非极大值抑制算法对输出的矩形框进行筛选，保留置信度最高的矩形框，对非极大值抑制算法输出结果进行解码，得到最终的矩形框坐标和类别，即预测结果。

13、本发明提供了一种船上作业人员穿戴救生衣的检测识别方法，具备以下

14、有益效果：

15、该船上作业人员穿戴救生衣的检测识别方法，准确率得到了提高，改进后的yolov5能够有效地提高物体检测的准确率；检测速度更快，模型采用了一系列优化策略，如panet、cbam和transformerpredictionheads等，能够在保证准确率的前提下，大幅提升检测速度；

16、该船上作业人员穿戴救生衣的检测识别方法，改进后的yolov5网络结构相比之前的版本，可以在较低的硬件配置下运行，便于部署；更加灵活，yolov5支持自定义数据集的训练，可以根据实际应用场景进行调整和优化。综上所述，使用yolov5网络结构可以实现高效、准确、快速的物体检测和识别，可以应用于许多领域。

技术特征：

1.一种船上作业人员穿戴救生衣的检测识别方法，其特征在于：所述检测识别方法包括以下步骤：

2.根据权利要求1所述的一种船上作业人员穿戴救生衣的检测识别方法，其特征在于：所述步骤一中，采集图像样本集是通过拍摄船舶视频，并截取视频中出现船上作业人员的视频帧作为图像样本集中的图像样本，图像样本包括船上作业人员穿救生衣和未穿救生衣的视频帧。

3.根据权利要求1所述的一种船上作业人员穿戴救生衣的检测识别方法，其特征在于：所述步骤二中，预处理包括归一化、缩放和裁剪操作。

4.根据权利要求1所述的一种船上作业人员穿戴救生衣的检测识别方法，其特征在于：所述步骤二中，预处理后的图像样本的尺寸调整为640像素*640像素。

5.根据权利要求1所述的一种船上作业人员穿戴救生衣的检测识别方法，其特征在于：所述步骤二中，标注采用的工具为labelimg或者cvat工具。

6.根据权利要求1所述的一种船上作业人员穿戴救生衣的检测识别方法，其特征在于：所述步骤三中，yolov5网络包括输入端、骨干网络、颈部网络和预测端，采用cspdarknet53作为骨干网络，采用panet网络作为颈部网络，预测端包括四个检测头模块，所述四个检测头模块均为transformer检测头，在每个检测头模块的输出部分增加空间通道注意力模块；

技术总结
本发明公开了一种船上作业人员穿戴救生衣的检测识别方法，包括：采集图像样本集；对图像样本集中的图像样本进行预处理，将预处理后的图像样本的尺寸调整为相同大小，对调整尺寸后的图像样本集进行标注，并按照指定比例划分为训练集和测试集；构建YoloV5网络，利用训练集对构建的YoloV5网络进行训练，得到训练好的YoloV5网络；利用训练好的YoloV5网络对测试集中的测试样本进行测试，得到船上作业人员是否穿戴救生衣的测试结果。采用该方法检测速度更快，模型采用了一系列优化策略，能够在保证准确率的前提下，大幅提升检测速度；使用YoloV5网络结构可以实现高效、准确、快速的物体检测和识别。

技术研发人员：欧阳文全,杨正,林盛梅,汪乾,刘志荣,程思钦,孙苏娟,姜慧勤
受保护的技术使用者：南京畅淼科技有限责任公司
技术研发日：
技术公布日：2024/1/14