(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211103447.2 (22)申请日 2022.09.09 (71)申请人 广东工业大 学 地址 510062 广东省广州市东 风东路729号 (72)发明人 杨群　冯广　刘云海　罗时强　 吴晓婷　岑锐强　 (74)专利代理 机构 北京市浩 东律师事务所 11499 专利代理师 孙莉 (51)Int.Cl. G06V 20/52(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/25(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) (54)发明名称 一种基于改进YOLOv5的口罩和安全帽佩戴 同时检测方法 (57)摘要 本发明涉及目标检测技术领域， 具体涉及一 种基于改进YOLOv5的口罩和安全帽佩戴同时检 测方法， 包括以下步骤： S1、 获取图像， 并利用 LabelImg进行标注， 构建数据集； S2、 利用 Enlighten  GAN算法进行预处理； S3、 将预处理的 图像按照4： 1划分成训练集和测试集； S4、 构建改 进的YOLOv5s ‑6.1网络模型， 将主干网络替换成 Mobilenetv3来进行特征提取； 本发明通过结合 Enlighten  GAN算法， 在可见度低、 光线条件弱的 环境下对建筑工地工作人员同时佩戴口罩和安 全帽实时检测， 而且可以满足网络参数量减少、 检测速度和准确率 提高的要求。 权利要求书2页 说明书6页 附图6页 CN 115457469 A 2022.12.09 CN 115457469 A 1.一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其特征在于， 包括以下步 骤： S1、 获取图像， 并利用Label Img进行标注， 构建数据集； S2、 利用En lighten GAN算法进行 预处理； S3、 将预处 理的图像按照4： 1划分成训练集和 测试集； S4、 构建改进的YOLOv5s ‑6.1网络模型， 将主干网络替换成Mobilenetv3来进行特征提 取； S5、 将数据 集送入改进后的YOLOv5s ‑6.1网络模型进行训练和测试， 得到口罩和安全帽 佩戴同时检测模型； S6、 将待检测图像输入检测模型中， 将最优权 重参数保存， 并在detect中进行检测。 2.根据权利要求1所述的一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其 特征在于， 在步骤S1中， 通过YouTube和b ilibili收集一份口罩和安全帽佩戴数据集， 用于 获取图像， 使用LabelImg对图像进行标注， 标注后的文件以.xml为后缀， 之后再转成.txt后 缀的格式。 3.根据权利要求1所述的一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其 特征在于， 在步骤S2中， 将数据集的图像采用Enlighten  GAN算法进行预处理， 消除图像中 无关的信息， 恢复有用的真实信息 。 4.根据权利要求1所述的一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其 特征在于， 在步骤S4中， 在特征提取前， 设置CBAM注意力机制加强对检测目标的关注， 且设 置EIOU Loss替代YOLOv5s ‑6.1网络中定位损失函数GI OU Loss， 不仅能加速函数收敛、 提高 回归精度， 而且引入的Focal  Loss优化了边界框回归任务中的样本不平衡问题， 使 回归过 程专注于高质量锚框 。 5.根据权利要求1所述的一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其 特征在于， 在步骤S4中， Mobilenetv3引入了深度可分离卷积作为传统卷积层的有效替代， 减少计算 量， 深度可分离卷积通过将空间滤波与特 征生成机制分离 。 6.根据权利要求5所述的一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其 特征在于， 在步骤S4中， Mobilenetv3在网络尾部结构中， 将平均池化前的层移除， 用1*1卷 积来计算特征图， 并设置h ‑swish激活函数， 将网络头部channel降低到16个， 并且提速2ms， 且引入了新的非线性h ‑swish激活函数， 加 入SE注意力机制， 主要操作针对每一个channel 进行池化处理， 就得到channel个数个元素， 再通过两个全 连接层， 得到输出向量， CBAM包括 通道注意力模块和空间注意力模块两个 独立的子模块。 7.根据权利要求1所述的一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其 特征在于， 在步骤S5中， 将图像送入改进后的YOLOv5s ‑6.1网络中进行训练， 生成检测模型。 8.根据权利要求1所述的一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其 特征在于， 在步骤S 6中， 检测模型对 预处理的图像中人物是否佩戴安全帽和口罩进 行标记， 通过detect对其图像中人物没有佩戴口罩和安全帽时， 会用bad 的标签标记， 当图像中人物 当时佩戴口罩和安全帽时， 用good 的标签标记， 当图像中人物只佩戴了口罩或者安全帽时， 则分别用mask和hat标记。 9.根据权利要求6所述的一种基于改进YOLOv5的口罩和安全帽佩戴同时检测方法， 其权　利　要　求　书 1/2 页 2 CN 115457469 A 2特征在于， h ‑swish激活函数的表达公式为： ReLU＝min(6,max (0,z))， 式中， ReLU为激活函数， z为输入值。权　利　要　求　书 2/2 页 3 CN 115457469 A 3