[发明专利]一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法

权利要求书

1.一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法，其特征在于，包括以下步骤：

1)采集用于训练模型的电力施工现场的图像，训练模型为基于YOLOv4改进的模型；

2)对采集到的电力施工现场的图像进行图像增强；

3)将采集到的所述电力施工现场的图像及数据增强后的得到的目标区域用矩形框进行标注，获取所述矩形框的坐标与所述矩形框所包含的种类；

4)根据采集到的所述电力施工现场的图像及数据增强后得到的图像，及获取的所述矩形框的坐标与所述矩形框包含的种类对基于YOLOv4改进的模型进行训练；

5)实时采集电力施工现场的图像，根据训练好的模型和实时采集到待检测的电力施工现场图像，实时检测电力施工现场的违规行为，并对检测到的行为进行分类和定位，同时触发预警系统，并输出违规图像；

步骤1)中，所述基于YOLOv4改进的模型具体为：

将原始YOLOv4的主干部分backbone网络替换为轻量级网络MobilenetV2,并降低参数量，以提高提取速度；将neck部分的路径聚合网络PAN与空间注意力模型SAM做如下改变，采用替换PAN的拼接，而对SAM采用y＝0.4*spatial-wise(x)+0.6*point-wiseattention替代单一的point-wise attention，以提高其特征抽取能力。

2.根据权利要求1所述的基于YOLOv4改进算法的电力智慧工地违规行为检测方法，其特征在于，步骤2)所述图像增强方法具体为：

将所述采集得到的电力施工现场图像通过光度失真和几何失真的方法进行图像增强，在处理光度失真时，调整图像的亮度，对比度，色相，饱和度和噪点；在处理几何失真时，添加了随机缩放，裁剪，翻转和选择。

3.根据权利要求1所述的基于YOLOv4改进算法的电力智慧工地违规行为检测方法，其特征在于，步骤3)所述标注步骤为：

将所述采集得到的电力施工现场图像和数据增强后的图像，使用开源的标注工具labelImg在图像中采用矩形方框标注出目标区域，并获取所述矩形框的中心点坐标，所述矩形框的宽度，高度及所述矩形框所包含的种类。

4.根据权利要求1所述的基于YOLOv4改进算法的电力智慧工地违规行为检测方法，其特征在于，步骤4)中，将采集得到的所述电力施工图像及数据增强后得到的图像，及获取的所述矩形框坐标与所述矩形框包含的种类对基于YOLOv4改进的模型进行训练，所述模型训练步骤为：

A1，模型将输入图像分成S×S个方格；

A2，在每一个方格中预测n个边界方框，确定各个边界方框是所需检测目标的置信度，其中，置信度表示为：

其中，confidence表示置信度，Pr(object)表示边界方框中包含检测目标的概率，表示预测的边界方框和输入的矩形方框的重叠率；

A3，对于每一个方格，预测包含某一类检测目标的条件概率Pr(class(i)|object)，其中Pr(class(i)|object)表示在假定某一方格包含有所需检测目标的情况，所包含的检测目标是第i类检测目标的概率；

A4，将步骤A2得到的置信度confidence与A3得到的条件概率Pr(class(i)|object)相乘，得到每个边界方框对于每一个具体类别的置信度；

A5，通过采用YOLOv4的损失函数进行计算，得出每一个检测目标的定位框，其中，损失函数用于计算模型的输出结果与标注结果直接的差距。

5.根据权利要求4所述的基于YOLOv4改进算法的电力智慧工地违规行为检测方法，其特征在于，所述输入图像为：

将所述采集得到的电力施工图像及数据增强后得到图像先进行归一化处理使得图像数据在(0，1)之间，然后将图像缩小或者放大处理，使得图像的长和宽都为224，得到处理后的图像，先进行数据打乱，然后将所有图像的70％划分为训练集，20％划分测试集，剩下的10％划分为验证集，将训练集中图像组合成batch用于输入到模型中进行训练，将验证集中的数据也组合成batch用于输入到模型中进行验证，将测试集中的图片一个一个输入到训练好的模型中进行测试。