一种面向施工现场安全帽检测追踪方法、设备及存储介质

本发明涉及安全帽智能检测领域，具体为一种面向施工现场安全帽检测追踪方法、设备及存储介质。

背景技术：

1、随着这些年的安防监控技术的技术水平与稳定性不断提升，基于视频的实时监测被越来越广泛地运用到工业安全领域。由于在工业与工地的生产施工过程中不可控的情况时有发生，而造成工作人员伤害的原因往往是因为没有完全落实正确操作规范，没有佩戴安全防护用具。为了避免此类情况的发生，只靠人力进行巡视检查，不仅耗费精力，而且容易出现纰漏。通过工业安防监控的实时监测，可以有效解决这类问题。

2、针对施工现场的安全帽检测追踪，由于安全帽形状单一，在施工现场受到环境的复杂，遮挡，光线，以及距离远近等问题的影响，使得在检测过程中容易出现漏检、误检的情况。通过这些年，国内外的不断研究，如今取得了一定的成果，但是在复杂场景中的安全帽的检测，对相关设备部署考虑到轻量化、在有遮挡情况下追踪等方面依然存在不足。

技术实现思路

1、本发明针对现有技术的不足，提供了一种面向施工现场安全帽检测追踪方法、设备及存储介质。

2、第一方面，本发明提供了一种面向施工现场安全帽检测追踪方法，包括以下步骤：

3、步骤(1)：收集施工场景下的佩戴安全帽工作人员图像数据集，人物重识别数据集和行人跟踪数据集，进行图像预处理；

4、对图像进行标注，并划分为训练集、验证集和测试集；

5、步骤(2)：将训练集中的图像数据集合通过改进后的yolov5模型训练；

6、步骤(3)：构建deep sort改进网络，用人物重识别数据集和行人跟踪数据集进行训练；

7、步骤(4)：将改进后的yolov5模型与deep sort改进网络进行融合，使得经过yolov5处理后的图像数据，直接传递到deep sort网络中，经获取、检测、跟踪三个步骤，对安全帽的佩戴进行实时跟踪。

8、第二方面，本发明提供了一种面向施工现场安全帽检测追踪设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的安全帽检测追踪方法

9、第三方面，本发明提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述的安全帽检测追踪方法。

10、本发明的有益效果：本发明可以加强对安全帽的检测能力，提高实检测精度，鲁棒性与实时速度，有效改善在目标检测阶段复杂场景下工人被遮挡后deep sort的id跳变问题，使得安全帽检测追踪过程中的漏检与误检率得到相对地减少。

技术特征：

1.一种面向施工现场安全帽检测追踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种面向施工现场安全帽检测追踪方法，其特征在于，步骤1具体是：

3.根据权利要求1所述的一种面向施工现场安全帽检测追踪方法，其特征在于，步骤2中yolov5模型的改进，包括：

4.根据权利要求3所述的一种面向施工现场安全帽检测追踪方法，其特征在于，改进的shufflenetv2是将shufflenetv2的网络单元shuffleunit的深度可分离卷积层的卷积核大小从3×3改为3×3与5×5的混合卷积，shufflenetv2的深度卷积后的1×1的逐点卷积去除；同时增加cbam注意力机制，使得检测更加集中在感兴趣区域。

5.根据权利要求1所述的一种面向施工现场安全帽检测追踪方法，其特征在于，步骤3中deep sort的改进，包括：

6.根据权利要求1所述的一种面向施工现场安全帽检测追踪方法，其特征在于，步骤4具体是：

7.一种面向施工现场安全帽检测追踪设备，其特征在于包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行权利要求1-6中任一项所述计算机程序时实现所述的安全帽检测追踪方法。

8.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于：所述计算机可执行指令用于执行权利要求1-6中任一项所述的安全帽检测追踪方法。

技术总结
本发明公开了一种面向施工现场安全帽检测追踪方法、设备及存储介质。本发明将实时采集到的视频帧图像转化为图像数据，将图像数据进行相关数据处理，通过改进后的YOLOv5目标检测网络，得到边界框和类别信息输入到改进后的Deep Sort模型，实现各帧视频图像的连续追踪。本发明可以加强对安全帽的检测能力，提高实检测精度，鲁棒性与实时速度，有效改善在目标检测阶段复杂场景下工人被遮挡后Deep Sort模型的ID跳变问题，使得安全帽检测追踪过程中的漏检与误检率得到相对的减少。

技术研发人员：徐升,侯平智,吴锋,左志斌,苗雨晨
受保护的技术使用者：杭州电子科技大学
技术研发日：
技术公布日：2024/2/29