引言

在這篇文章中，我將介紹如何使用YOLOv5構(gòu)建一個(gè)佩戴安全帽檢測(cè)和識(shí)別系統(tǒng)。這個(gè)系統(tǒng)可以實(shí)時(shí)檢測(cè)圖像上人物是否有未佩戴安全帽，并及時(shí)進(jìn)行警告。文章將介紹系統(tǒng)的設(shè)計(jì)過程，包括YOLOv5的訓(xùn)練、測(cè)試代碼以及實(shí)際部署思路。

準(zhǔn)備工作

首先，我們需要收集和準(zhǔn)備數(shù)據(jù)集。數(shù)據(jù)集應(yīng)包含各種場(chǎng)景、角度和光照條件下戴安全帽和不戴安全帽的員工照片。我們可以從互聯(lián)網(wǎng)上收集這些圖片，也可以在實(shí)際工地上拍攝。收集到足夠數(shù)量的圖片后，我們需要對(duì)它們進(jìn)行標(biāo)注。標(biāo)注工具如labelImg可以方便地完成這一任務(wù)。完成標(biāo)注后，我們需要將數(shù)據(jù)集劃分為訓(xùn)練集和驗(yàn)證集。

安裝YOLOv5

要開始訓(xùn)練模型，我們首先需要安裝YOLOv5?？梢酝ㄟ^以下命令安裝所需的依賴：

git clone https://github.com/ultralytics/yolov5.git
cd yolov5
pip install -r requirements.txt

訓(xùn)練模型

為了訓(xùn)練模型，我們需要準(zhǔn)備一個(gè)配置文件，其中包含訓(xùn)練參數(shù)和模型結(jié)構(gòu)。在YOLOv5的models目錄下，我們可以找到預(yù)定義的一些配置文件，如yolov5s.yaml。我們可以根據(jù)需要修改這些文件，以適應(yīng)我們的任務(wù)。

接下來，我們需要修改YOLOv5的數(shù)據(jù)配置文件，以指定我們的數(shù)據(jù)集路徑。在data目錄下，創(chuàng)建一個(gè)名為helmet_detection.yaml的文件，內(nèi)容如下：

train: ../dataset/train/
val: ../dataset/val/
nc: 2
names: ['no_helmet', 'helmet']

這里，train和val分別表示訓(xùn)練集和驗(yàn)證集的路徑，nc表示類別數(shù)量，names表示類別名稱。

現(xiàn)在，我們可以開始訓(xùn)練模型了。在命令行中，運(yùn)行以下命令：

python train.py --img 640 --batch 16 --epochs 100 --data data/helmet_detection.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt

這個(gè)命令將使用YOLOv5s配置文件訓(xùn)練一個(gè)安全帽檢測(cè)模型。我們可以根據(jù)硬件和數(shù)據(jù)集大小調(diào)整批次大小和訓(xùn)練輪數(shù)。訓(xùn)練過程中，模型的性能指標(biāo)和損失函數(shù)值將在命令行輸出。同時(shí)，訓(xùn)練過程中的可視化結(jié)果將保存在runs/train目錄下。

訓(xùn)練完成后，我們可以在runs/train/exp/weights目錄下找到最終的模型權(quán)重文件best.pt。

測(cè)試模型

為了測(cè)試我們的模型，我們可以使用YOLOv5提供的detect.py腳本。運(yùn)行以下命令：

python detect.py --source ../dataset/val/ --weights runs/train/exp/weights/best.pt --conf 0.5

這個(gè)命令將在驗(yàn)證集上運(yùn)行我們的模型，并將檢測(cè)結(jié)果保存在runs/detect目錄下。我們可以查看這些結(jié)果，以評(píng)估模型在實(shí)際場(chǎng)景中的表現(xiàn)。

實(shí)際部署

現(xiàn)在我們已經(jīng)訓(xùn)練好了一個(gè)安全帽檢測(cè)模型，接下來我們需要將其部署到實(shí)際場(chǎng)景中。我們可以使用Python和OpenCV庫(kù)構(gòu)建一個(gè)實(shí)時(shí)監(jiān)控系統(tǒng)。以下是一個(gè)簡(jiǎn)單的示例：

import cv2
from yolov5 import YOLOv5
def main():
    # 加載模型
    model = YOLOv5('runs/train/exp/weights/best.pt')
    # 打開攝像頭
    cap = cv2.VideoCapture(0)
    while True:
        # 讀取攝像頭畫面
        ret, frame = cap.read()
        # 檢測(cè)安全帽
        results = model.detect(frame)
        # 在畫面上繪制檢測(cè)框
        for result in results:
            x, y, w, h, cls, conf = result
            cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
            cv2.putText(frame, f'{cls}: {conf:.2f}', (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
        # 顯示畫面
        cv2.imshow('Helmet Detection', frame)
        # 按'q'鍵退出
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    cap.release()
    cv2.destroyAllWindows()
if __name__ == '__main__':
    main()

這個(gè)示例將打開計(jì)算機(jī)的攝像頭，并實(shí)時(shí)檢測(cè)畫面中的安全帽。檢測(cè)結(jié)果將以邊框和類別標(biāo)簽的形式顯示在畫面上。

總結(jié)

在本文中，我們介紹了如何使用YOLOv5構(gòu)建一個(gè)安全帽檢測(cè)和識(shí)別系統(tǒng)。我們從收集和準(zhǔn)備數(shù)據(jù)集開始，然后安裝YOLOv5，接著訓(xùn)練和測(cè)試模型。最后，我們演示了如何將訓(xùn)練好的模型部署到實(shí)際場(chǎng)景中。

以上就是YOLOv5構(gòu)建安全帽檢測(cè)和識(shí)別系統(tǒng)使用詳解的詳細(xì)內(nèi)容，更多關(guān)于YOLOv5安全帽檢測(cè)識(shí)別的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論