论文总字数：19497字

摘 要

在当今社会生活越来越重视工厂安全生产的情形之下，如何保证工人按照要求佩戴安全帽、保证工人在生产生活中的生民健康安全就成为了需要重要考虑的事情，而如何采用计算机视觉相关技术以及深度学习高效准确的识别检测工人安全帽佩戴情况，从而取代人工监督操作这一复杂、存在主观性判断的方法就成为了可以研究的内容。在卷积神经网络的基础上使用YOLOv3算法的思想，从实际工作场景中搜集获取工人生产操作时安全帽佩戴情况的图片，对这些图片材料进行数据集标注，将检测目标修改为没有佩戴安全帽的头部和佩戴了安全帽的头部，在训练中对模型进行优化，，获得一个效果比较好的模型。根据试验结果来看，该模型在测试集上有96%的准确率。此外，系统利用OpenCV调用电脑摄像头摄取实时图像，可以对待检测目标进行实时检测，测试效果是较为理想，与预期期望相符，可以进行安全帽佩戴检测。

关键词：卷积神经网络 目标检测 YOLOv3 安全帽佩戴检测

The development of intelligent identification system for safety helmet

Abstract

In today's social life, when more and more attention is paid to factory safety production, how to ensure that workers take safety helmets as required to ensure the health and safety of workers in production and life has become an important consideration, and how to adopt computer vision Technology and deep learning can efficiently and accurately identify and detect workers' hard hats, thereby replacing the complexity of manual supervision and operation. The existence of subjective judgment methods has become a content that can be studied. Based on the idea of ​​YOLOv3 algorithm on the basis of convolutional neural network, collect pictures from actual work scenes in the case of workers ’helmets during production operations, annotate the data sets of these picture materials, and modify the detection target to no safety The head of the cap and the head on which the helmet is placed, optimize the model during training to obtain a better model. According to the test results, the model has an accuracy rate of 96% on the test set. Variables, the system uses OpenCV to call a computer camera to capture real-time images, real-time detection of the target to be detected, the test results are multiple ideals, consistent with the expected expectations, and can be used for safety helmet detection.

Key words: Convolutional Neural Network; Target Detection; YOLOv3; Helmet wear detection

目 录

摘 要 I

Abstract II

第一章 引言 1

1.1 选题背景 1

1.2 国内外研究现状 2

第二章 检测识别技术分析 4

2.1卷积神经网络 4

2.2 目标检测原理 7

2.2.1 传统的目标识别分析 7

2.2.2 基于深度学习的目标检测分析 8

2.3 系统开发环境 10

2.3.1 Python语言 11

2.3.2 TensorFlow介绍 11

2.3.3 Darknet介绍 11

2.3.4 Keras介绍 12

2.3.5 OpenCV介绍 12

第三章 需求分析以及系统框架设计 13

3.1 系统需求分析 13

3.1.1 功能需求 13

3.1.2 性能需求 13

3.2 系统总体架构设计 14

第四章 系统详细设计 15

4.1 数据集的准备 15

4.2 标注数据集 15

4.3 目标检测系统的模型选择 17

第五章 系统训练及运行分析 24

5.1 系统训练 24

5.1.1设置makefile文件 24

5.1.2数据集处理 24

5.1.3修改相关配置文件 24

5.1.4 训练指令与模型结果 24

5.2系统运行展示 25

5.2.1主界面展示 25

5.2.2功能展示 25

第六章 总结与展望 29

6.1 系统总结 29

6.2 未来工作展望 29

参考文献 30

致谢 32

第一章 引言

1.1 选题背景

我国是一个工业大国，正在经历着高速的经济发展中，工业生产水平进一步提高，在工业大力发展的同时，各个企业越发注重安全生产，采取了许多相应的安全措施，以确保公司工人在生产环节中的人身健康安全，从而提高工作效率，使得公司取得较高收益。然而，当今在社会生产环节之中存在着许多不按照规范安全要求的行为现象，例如，工人安全意识不够强，时有不按照规定佩戴安全帽的情形发生，这是十分危险的现象，提高了施工时的危险等级，甚至会在工厂生产出现故障时导致不可估量的意外人身健康损失。

安全帽是保护工人头部安全的个人防护用品，正确的佩戴安全帽可以减轻意外降落物对头部带来的伤害，降低分散冲击力，从而保障人员的生命安全。因此在进入施工区域时保证工人按照要求佩戴好安全帽，便成为了一项重要的工作。如何高效的管理作业工人的安全帽佩戴问题成为了一个研究的课题。在工业生产越来越注重安全作业的情况之下，企业对施工人员是否按照安全标准佩戴安全帽有了很高的要求。

请支付后下载全文，论文总字数：19497字