基于YOLOv4网络的安全帽检测系统-深度学习目标检测算法优化与工地安全监控应用-通过实时视频流分析自动识别施工人员是否佩戴安全...

## 基于yolov4网络的安全帽检测 因为之前Yolov4出来了并且速度与准确度也很不错，所以这里就打算用来尝鲜，并且思考应该用在什么场景下？想了一会后就打算用于检测一下工地上的人员是否都佩戴了安全帽，并查看这一区域有多少人员。 传统的人流量统计是用热力图，也就是查看该区域热力图显示的强弱来判断人流量的多少，当时这一方法有着比较大的误差。因为只是在热力图的基础上进行估计，而不是真正意义上统计人数， 第二种方法是通过检测整个人来判断人流量多少，但是这一方法也有一些缺陷：因为这是检测整一个人，所以在遮挡物较多的情况下，比如一个人既戴安全帽，又被机械设施挡住了， 那么这个人的大部分区域都算被遮挡了，这样就可能会出现漏检。 因此，我们这里就直接通过检测人头或者说安全帽来判断。这里有一点需要注意的是，相比之前的目标检测，在人头检测上，它的anchor是不同于voc，coco的anchor。 因为人头的anchor相对来说较小，所以为了准确率，这里需要更改一下anchor，修改为你数据集的中所集中的anchor大小。 ## 数据标注的格式转换 因为原来的数据集格式与我们需要的不太一样，并且只有标注的位置坐标，没有类别名称。 所以这里我们需要简单更改一下，更改的程序也很简单，详情看processImg.py的内容。