[发明专利]一种基于YOLOv5的测试绕障碍跑的方法

权利要求书

1.一种基于YOLOv5的测试绕障碍跑的方法，其特征在于，包括以下步骤：

S1、获取受试者测试绕障碍跑的视频，作为训练视频；

S2、截取所述训练视频中的图片，并对所述图片中障碍物被受试者遮挡、以及障碍物未被受试者遮挡两种情况进行标注，构建训练集和测试集；

S3、利用所述训练集和所述测试集对YOLOv5模型进行训练和测试，获得训练好的YOLOv5模型；

S4、获取待检测的受试者测试绕障碍跑的视频，作为待检测视频；

S5、利用所述训练好的YOLOv5模型对所述待检测视频进行检测，根据障碍物是否被受试者遮挡来判断受试者是否按照规定绕障碍进行测试。

2.根据权利要求1所述的基于YOLOv5的测试绕障碍跑的方法，其特征在于，

在所述S1中，获取受试者测试绕障碍跑的视频的方法具体包括以下步骤：利用摄像头拍摄多个所述受试者测试绕障碍跑的视频；

在所述S2中，构建所述训练集和所述测试集具体包括以下步骤：将拍摄得到的多个训练视频处理成多张图片，使用Make Sense工具对所述多张图片中的障碍物作为目标进行标注，将障碍物被受试者遮挡标记为“0”，将障碍物未被受试者遮挡标记为“1”；将标注得到包括有记录目标位置的txt文件与图片对应起来，将一部分对应的txt文件与图片放置在训练文件夹中，形成训练集；将另一部对应的txt文件与图片放置在测试文件夹中，形成测试集；

在所述S3中，还包括以下步骤：利用S1中的受试者测试绕障碍跑的视频对YOLOv5模型进行测试，判断YOLOv5模型是否已训练好。

3.根据权利要求2所述的基于YOLOv5的测试绕障碍跑的方法，其特征在于，在所述S3中，对YOLOv5模型进行训练和测试的步骤中：

YOLOv5采用拼接方式来融合特征，经过三次不同的拼接操作之后，得到3个不同尺寸的特征图，再分别加入CSP结构和卷积操作，在最终的三个特征图上分别进行预测；

YOLOv5网络主要包括输入端、主干网络、Neck网络以及Head输出层四个模块；

主干网络分为三层，每一层主要由CBH和CSP结构组成；Neck网络主要由FPN和PAN结构组成；

在主干网络中使用带有残差组件的CSP结构，脖颈中用卷积操作代替了残差组件；CSP结构把特征图分为两部分，一部分继续进行卷积操作，得到更加深刻的特征信息，另一部分与上一部分卷积操作之后的特征图进行拼接；

在主干网络的第一层提出Focus结构；

在主干网络的第三层增加SPP层；

在主干网络提取目标的特征之后加入注意力机制；

在图像输入主干网络第一层之前加入高斯滤波操作；

YOLOv5对于边框回归采用了CIoU损失函数来进行模型训练：

其中，A代表真实框，B代表预测框，q,q^gt分别为预测框和真实框的中心点，ν用来表示长宽比的相似性，α为权重系数，IoU为交并比，ω^gt和h^gt分别为真实框的宽与高，ω和h分别为预测框的宽与高，L_CIoU为CIoU损失，ρ为欧式距离函数，c为预测框和真实框的最小矩形的对角线长度。

4.根据权利要求2所述的基于YOLOv5的测试绕障碍跑的方法，其特征在于，所述测试集包括过程测试集和最终测试集，所述测试文件夹包括过程测试文件夹和最终测试文件夹；一部分对应的txt文件与图片放置在过程测试文件夹中，形成过程测试集；将另一部对应的txt文件与图片放置在最终测试文件夹中，形成最终测试集。

5.根据权利要求1所述的基于YOLOv5的测试绕障碍跑的方法，其特征在于，

在所述S4中，所述待检测的受试者测试绕障碍跑的视频为实时视频，通过摄像头对测试场地实时拍摄得到；

在所述S5中，利用所述训练好的YOLOv5模型对所述待检测视频进行实时检测。