一种基于改进YOLOv7的骑行者头盔实时监测方法和系统

技术特征：

1.一种基于改进yolov7的骑行者头盔实时监测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进yolov7的骑行者头盔实时监测方法，其特征在于，所述待识别的多幅骑行者图像的预处理步骤，包括：

3.根据权利要求1所述的一种基于改进yolov7的骑行者头盔实时监测方法，其特征在于，所述将yolov7网络中的主干网络中的标准卷积替换为深度可分离卷积，包括：

4.根据权利要求1所述的一种基于改进yolov7的骑行者头盔实时监测方法，其特征在于，所述得到不同尺度卷积层的特征图，包括：

5.根据权利要求1所述的一种基于改进yolov7的骑行者头盔实时监测方法，其特征在于，所述对不同尺度卷积层的特征图进行多尺度融合，包括：

6.根据权利要求1所述的一种基于改进yolov7的骑行者头盔实时监测方法，其特征在于，所述对经过融合后的特征图进行回归预测，包括：

7.根据权利要求6所述的一种基于改进yolov7的骑行者头盔实时监测方法，其特征在于，所述回归预测包括：

8.一种基于改进yolov7的骑行者头盔实时监测系统，其特征在于，包括：

9.根据权利要求8所述的一种基于改进yolov7的骑行者头盔实时监测系统，其特征在于，还包括：

10.根据权利要求8所述的一种基于改进yolov7的骑行者头盔实时监测系统，其特征在于，还包括:

技术总结
本发明公开了一种基于改进YOLOv7的骑行者头盔实时监测方法和系统，涉及计算机视觉应用技术领域，包括图像处理模块、数据集预处理模块、主干网络改进模块、特征金字塔改进模块、预测模块和软硬件结合及通讯模块。图像获取模块获取待识别的图像，数据集预处理模块采用数据增强和寻找最优数据集划分比例方式提高网络模型性能，主干网络改进模块采用深度可分离卷积替代标准卷积，实现网络模型轻量化，特征金字塔改进模块引入CA注意力机制，通过融合不同尺度的特征图减少网络模型计算量，经过改进优化，此系统便于携带，硬件设备低廉，目标检测精度高并速度快，便于推广应用。

技术研发人员：王旭飞,王鹏辉,张鹏超
受保护的技术使用者：陕西理工大学
技术研发日：
技术公布日：2024/1/15