[发明专利]一种基于改进YOLOv5算法的电动车驾乘人员头盔佩戴检测方法

权利要求书

1.一种基于改进YOLOv5算法的电动车驾乘人员头盔佩戴检测方法，其特征在于，所述具体步骤如下：

步骤S1：从不同地点非机动车道路口拍摄电动车驾乘人员图片，构建数据集，用于检测特定人群即电动车驾乘人员的头盔佩戴状态；

步骤S2：将采集到的图片用Labelimg工具进行标注，生成YOLO格式的标签文件，并将数据集按比例划分训练集和测试集；

步骤S3：检测前对数据集进行预处理，包括用K-means聚类算法生成最符合数据集特性的初始Anchor框参数，并使用随机缩放、随机裁剪、翻转、旋转等Mosaic数据增强方式来增加数据集多样性，提升小目标的检测效果；

步骤S4：根据检测场景道路电动车驾乘人员头盔佩戴检测对YOLOv5s算法做出改进，主要包括设计GhostCSP-Bottleneck用于提特征提取并替换原始的C3模块、用步长为2的GhostBottleneck模块替换原来的CBL卷积、加入SE注意力机制、引入CIOU损失函数以解决原始损失函数GIOU的退化问题；将制作好的数据集放入改进后的YOLOv5s网络中进行训练可得到新的模型；

步骤S5：然后在推理检测部分加入过滤检测模块，将电动车和其驾乘人员关联起来，达到仅检测并提醒电动车骑行者，而对行人和自行车骑行者排除的目的，过滤检测模块可有效地将电动车骑行者和非电动车骑行者区分开来，提高检测的工作效率；

步骤S6：将现场道路情况以RTSP实时视频流的方式输入到训练好的改进YOLOv5s模型中，并判断电动车驾乘人员是否佩戴安全头盔，保存检测信息。

2.根据权利要求1所述的一种基于改进YOLOv5算法的电动车驾乘人员头盔佩戴检测方法，其特征在于，所述步骤S2包括以下步骤：

步骤S2.1：对采集到的道路电动车驾乘人员的图像使用Labelimg工具进行标注，目标类别分为helmet、person、motorcycle三类，其中helmet标签表示佩戴安全头盔的驾乘人员，此标签需要将安全头盔和人脸整体标注出来，person标签表示未佩戴安全头盔的人脸，motorcycle标签表示电动车；

步骤S2.2：将所有图像标注好之后将标签以VOC格式保存为XML文件，然后利用Python脚本将XML格式的标签转化为YOLOv5s格式的txt标签文件，同时以8:2的比例划将数据集划分训练集和验证集。

3.根据权利要求1所述的一种基于改进YOLOv5算法的电动车驾乘人员头盔佩戴检测方法，其特征在于，所述步骤S4包括以下步骤：

步骤S4.1：YOLOv5s主干网络中使用的特征提取模块是C3，该模块由堆叠的Bottleneck模块和CBL卷积Concat叠加后得到，为了更好的学习特征，用GhostBottleneck替换Bottleneck得到改进后的GhostCSP-Bottleneck模块，同时使用步长为2的GhostBottleneck模块替换原来的CBL卷积，该模块可以压缩参数，降低计算的复杂度；

步骤S4.2：在YOLOv5s的原始网络中加入SE注意力检测机制，以解决池化过程中由于特征图的不同通道所占权重不同带来的损失问题。将SE模块添加到backbone部分，学习到通道之间的相关性，筛选出了针对通道的注意力，可以有效提升检测精度；

步骤S4.3：引入CIOU损失函数以解决YOLOv5s原始损失函数GIOU的退化问题，CIOU同时考虑了重叠面积、中心点距离和长宽比，使目标框的回归更加稳定，收敛速度更快，检测精度更高。

4.根据权利要求1所述的一种基于改进YOLOv5算法的电动车驾乘人员头盔佩戴检测方法，其特征在于，所述步骤S5包括以下步骤：

步骤S5.1：根据过滤模块的设计，在检测过程中对person、helmet、motorcycle三种目标做如下的过滤匹配：以电动车目标作为第一优先级，首先判断图像中是否检测到电动车目标；

步骤S5.2：如果检测到电动车目标，则对检测到的每一个电动车目标做进一步匹配，假设电动车高度为h，以电动车高度为基准的上方0.3h区域内若出现的是helmet目标，则驾乘人佩戴安全头盔，若出现的是person目标，则驾乘人没有佩戴安全头盔；如果没有检测到电动车目标，则按照相似流程处理下一图像。

5.根据权利要求1所述的一种基于改进YOLOv5算法的电动车驾乘人员头盔佩戴检测方法，其特征在于，所述步骤S6包括以下步骤：

步骤S6.1：若模型检测出电动车驾乘人员没有佩戴安全头盔，则将头部用红色矩形框标注，并将图片保存，并在图片的下方标出检测的日期、时间和地点；若驾乘人员佩戴安全头盔，则用绿色矩形框标标注。