YOLOv5：安全帽检测和识别系统中的创新之举

后端

2023-09-04 08:03:20

利用 YOLOv5 构建安全帽检测和识别系统

安全帽检测和识别的重要性

在工业环境中，佩戴安全帽对于保障工人安全至关重要。为确保工人始终佩戴安全帽，实时检测和识别未佩戴情况变得至关重要。

YOLOv5：实时目标检测的神奇工具

YOLOv5 是一款先进的实时目标检测算法，能够快速准确地检测图像和视频中的物体。其原理是将图像划分为网格，并为每个网格预测包含目标的边界框和目标类别。

构建安全帽检测和识别系统

我们的安全帽检测和识别系统由以下模块组成：

图像采集： 捕获实时图像或视频流。
YOLOv5 目标检测： 分析图像，检测未佩戴安全帽的人员。
结果显示： 将检测结果以可视化方式呈现。

实现步骤

导入 YOLOv5 库和必要的模块。
加载预训练的 YOLOv5 模型。
初始化摄像头或视频文件。
开始实时检测，预测图像中目标的边界框和类别。
过滤掉置信度较低的检测结果。
在图像上绘制边界框和标签，以可视化检测结果。

示例代码

import cv2
import numpy as np

# 加载 YOLOv5 模型
net = cv2.dnn.readNet("yolov5s.pt")

# 初始化摄像头
cap = cv2.VideoCapture(0)

# 实时检测
while True:
    # 读取帧
    ret, frame = cap.read()

    # 预处理
    blob = cv2.dnn.blobFromImage(frame, 1/255.0, (416, 416), (0,0,0), swapRB=True, crop=False)

    # 推理
    net.setInput(blob)
    detections = net.forward()

    # 处理检测结果
    for detection in detections:
        class_id = int(detection[5])
        confidence = float(detection[2])
        box = detection[0:4] * np.array([frame.shape[1], frame.shape[0], frame.shape[1], frame.shape[0]])
        (centerX, centerY, width, height) = box.astype("int")

        if confidence > 0.5:
            cv2.rectangle(frame, (centerX-width//2, centerY-height//2), (centerX+width//2, centerY+height//2), (0, 255, 0), 2)
            cv2.putText(frame, "Person", (centerX-10, centerY-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    # 显示帧
    cv2.imshow("frame", frame)

    # 按 q 退出
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()