1. 9月5日 图片标注项目-安全帽佩戴检测

安全帽是作业场所作业时头部防护所用的头部防护用品，它对使用者的头部在受坠落物或小型飞溅物体等其他因素引起的伤害起到防护作用。近年来，因不佩戴安全帽、不规范佩戴安全帽等原因导致的安全生产事故屡禁不止，事故发生背后的影响是巨大的，不仅为家人带来巨大的伤痛，也为企业的利益带来巨大的损失。而如何使员工规范佩戴安全帽、保障员工和企业双方利益，成为了一直以来各方坚持不懈想要实现的目标。因此，研究佩戴安全帽的监测算法，具有重大的意义和广泛的应用价值。

安全帽识别算法

基于大规模安全帽数据识别训练，配合现场摄像头，实现自动识别现场作业人员的安全帽佩戴情况

实现效果

demo1.jpg

效果视频见：/upload/memos/assets/1699501985151710.mp4

实际环境中项目实现步骤

  1. 采集图片，建议不少于200张图片
  2. 使用Labelme等标注工具，对目标进行拉框标注：labelme工具：GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).
  3. 将标注格式转换为VOC数据格式，参考工具：labelme/labelme2voc.py at main · wkentaro/labelme · GitHub
  4. 生成训练集train.txt和验证集val.txt文件列表
  5. 修改engine/configs/voc_local.yaml的train和val的数据路径
  6. 重新开始训练

训练使用算法

YOLO(You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的约瑟夫-雷德蒙（Joseph Redmon）和阿里-法哈迪（Ali Farhadi）开发。YOLO 于 2015 年推出，因其高速度和高精确度而迅速受到欢迎。
非本课内容，只做简单接介绍

使用工具

当前主流工具为Labelme，LabelMe 是一个在线图像标注工具，由 MIT（麻省理工学院）的计算机科学与人工智能实验室（CSAIL）开发。它允许用户通过在图像上绘制矩形、圆形、多边形、线条等形状来标记和注释图像中的不同对象。LabelMe 主要用于计算机视觉领域的数据标注工作，尤其是在训练机器学习模型进行图像识别和对象检测时。

本次项目使用工具为：精灵标注助手
原因是中文、简单、易上手。
jlbzzs_XiaZaiBa.zip

使用数据集

PixPin_2024-09-05_01-50-58.png

样本量2402张图片，包含带安全帽、不带安全帽两类图片。

/upload/安全帽项目训练集.zip

标注样例

本次项目通过拉框分类方式进行标注

对图片中人物头部进行拉框标注

分类方式分为：

head(没戴头盔)

helmet(带头盔)

样张如下：

image-lyel.png

导出后效果如下：

image-otkc.png