(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 202210551125.8 (22)申请日 2022.05.20 (71)申请人 济南信通达电气科技有限公司 地址 250101 山东省济南市高新区齐盛广 场1号楼1712室 (72)发明人 帅民伟　蔡富东　吕昌峰　刘焕云　 丁健配　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 王雪 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/77(2022.01)G06V 10/762(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01) (54)发明名称 一种变电站人员安全帽佩戴检测方法及系 统 (57)摘要 本发明属于图像识别检测领域， 提供了一种 变电站人员安全帽佩戴检测方法及系统， 包括获 取视频监控设备采集的原始监控图像并进行预 处理； 基于预处理后的监控图像和原始监控图 像， 利用预先训练好的安全帽佩戴检测模型进行 检测， 得到预处理后的监控图像检测结果和原始 监控图像检测结果； 将预处理后的监控图像检测 结果和原始监控图像检测结果融合， 生成最终的 检测结果； 本发明改进 的YOLOv5系列模型， 在现 有YOLOv5模型基础上增加一种新的注意力模块 CAM注意力模块可以将特征空间中的位置信息整 合到通道注意中， 使模型可 以感知更大的区域， 有效提升模型对于小目标、 遮挡识别的准确率。 权利要求书2页 说明书9页 附图4页 CN 114998830 A 2022.09.02 CN 114998830 A 1.一种变电站人员安全帽佩戴检测方法， 其特 征在于， 包括： 获取视频监控设备采集的原 始监控图像并进行 预处理； 基于预处理后的监控图像和 原始监控图像， 利用预先训练好的安全帽佩戴检测模型进 行检测， 得到预处 理后的监控图像 检测结果和原 始监控图像 检测结果； 将预处理后的监控图像检测结果和原始监控图像检测结果融合， 生成最终的检测结 果； 其中， 所述安全帽检测模型采用YOLOv5网络模型， 所述YOLOv5 网络模型中的主干网络、 颈部网络以及头部网络 分别集成多个注意力模块， 所述注意力模块将特征 空间中的位置信 息整合到通道 注意中， 增 加所述YOLOv5网络模型的感知区域。 2.如权利要求1所述的一种变电站人员安全帽佩戴检测方法， 其特征在于， 所述获取视 频监控设备采集的原 始监控图像并进行 预处理， 包括： 获取视频监控设备采集的原 始监控图像； 将原始监控图像切分为包 含重叠区域的块， 得到预处 理后的监控图像。 3.如权利要求1所述的一种变电站人员安全帽佩戴检测方法， 其特征在于， 所述注意力 模块进行图像处 理的过程， 包括： 通过平均池化对输入特征向量进行宽、 高单向维度的编码， 得到宽度方向的输入特征 向量和高度方向的输入特 征向量； 将宽度方向的输入特 征向量和高度方向的输入特 征向量进行融合； 对融合后的输入特征向量卷积降维， 获得包含垂直方向和水平方向空间相关信 息的特 征图； 将包含垂直方向和水平方向空间相关信息的特 征图变换为两个 独立特征向量； 使用两个深度 可分离卷积分别对两个独立特征向量进行变换， 得到两个变换后的独立 特征向量， 获取两个 独立特征向量的注意力权 重； 将两个独立特征向量的注意力 权重作用于输入特征向量， 得到整个注意力模块的输出 向量。 4.如权利要求3所述的一种变电站人员安全帽佩戴检测方法， 其特 征在于， 将两个独立特征向量的注意力 权重作用于输入特征向量， 得到整个注意力模块的输出 向量， 具体为： 其中， gh和gw是两个独立特征向量， xc(i,j)是输入特征向量， yc(i,j)是输出特征向量； i， j是特征向量的坐标索引， c表示 通道索引。 5.如权利要求1所述的一种变电站人员安全帽佩戴检测方法， 其特征在于， 训练安全帽 佩戴检测模型的过程， 包括： 获取视频监控设备采集的原 始监控图像； 对原始监控图像使用labelme进行 标注， 得到标注监控图像； 对原始监控图像以及标注监控图像进行切分， 得到预处理后的监控图像以及预处理后 的标注监控图像； 将预处理后的监控图像进行缩放；权　利　要　求　书 1/2 页 2 CN 114998830 A 2采用Mosaic、 随机缩放、 随机 裁剪以及透 视变换对 缩放后的监控图像进行 数据增强； 利用数据增强后的监控图像以及预处理后的标注监控图像， 输入到安全帽佩戴检测模 型中； 根据历史梯度的震荡情况和过滤震荡后的真实历史梯度对安全帽佩戴检测模型参数 进行更新， 损失函数 逐渐趋于0， 模型收敛， 获得训练好的安全帽佩戴检测模型。 6.如权利要求5所述的一种变电站人员安全帽佩戴检测方法， 其特征在于， 对于标注监 控图像， 采用Kmeans++聚类算法得到9个锚框(anchor)， 并从小到大依次排列将其均匀分布 于3个尺度的特 征图上。 7.如权利要求1所述的一种变电站人员安全帽佩戴检测方法， 其特征在于， 所述将预处 理后的监控图像 检测结果和原 始监控图像 检测结果融合， 生成最终的检测结果， 具体为： 将预处理后的监控图像的检测结果与原始监控图像的检测结果进行融合， 生成最终的 检测结果； 如果两者的目标框之间的交集大于设定阈值， 则 删除得分低的检测结果。 8.一种变电站人员安全帽佩戴检测系统， 其特 征在于， 包括： 图像采集模块， 被 配置为获取视频监控设备采集的原 始监控图像并进行 预处理； 图像检测模块， 被配置为基于预处理后的监控图像和原始监控图像， 利用预先训练好 的安全帽佩戴检测模型进 行检测， 得到预 处理后的监控图像检测结果和原始 监控图像检测 结果； 检测结果融合模块， 被配置为将预处理后的监控图像检测结果和 原始监控图像检测结 果融合， 生成最终的检测结果； 其中， 所述安全帽检测模型采用YOLOv5网络模型， 所述YOLOv5 网络模型中的主干网络、 颈部网络以及头部网络 分别集成多个注意力模块， 所述注意力模块将特征 空间中的位置信 息整合到通道 注意中， 增 加所述YOLOv5网络模型的感知区域。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1 ‑7中任一项所述的一种变电站人员安全帽佩戴检测方法中的步骤。 10.一种计算机设备， 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， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑7中任一项 所述的一 种变电站人员安全帽佩戴检测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114998830 A 3