买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华东交通大学

摘要：本发明涉及图像识别领域，提出了一种基于Yolov4网络的危险行为防护方法及系统，通过对实时获取的防护区域图像进行预处理，从输入端提高了后续Yolov4网络识别的准确性，再对Yolov4网络进行轻量化改进，并加入了光照矫正子网络、深度可分离卷积模块和ECA注意力模块，极大地提高了图像识别的效率和精度，最终通过注意力导向模块和情景感知模块，划分危险区域，判断危险行为，实现了对危险行为的自动识别与实时监控，极大地提高了危险行为防护的效率和准确性。

主权项：1.一种基于Yolov4网络的危险行为防护方法，其特征在于，包括：实时获取防护区域的彩色图像并根据加权算法进行灰度化处理，以获取到的所述防护区域的灰度图像，根据双线性插值算法将所述灰度图像进行缩放和归一化处理，再根据场景深度线性模型对所述灰度图像进行去雾处理，以将预处理后所述灰度图像输入轻量化Yolov4网络中；光照矫正子网络对所述灰度图像进行颜色矫正处理之后，深度可分离卷积模块对所述灰度图像进行基础特征提取，以获取基础特征识别图像，再使ECA注意力模块对所述基础特征识别图像进行特征相关性强化，以获取增强特征识别图像；所述光照矫正子网络对所述灰度图像进行颜色矫正处理的步骤包括：灰度图像输入到光照矫正子网络中，所述光照矫正子网络包括：输入层，所述输入层获取RGB图像并进行HSV格式转换，以调节饱和度S值增加10%，亮度V值增加15%；第一卷积层，所述第一卷积层前设有一个STN层，所述STN层包括一个三层全连接网络作为局部化网络，所述三层全连接网络的第一个和第二个全连接层分别有20和50个神经元，所述第一卷积层包括32个3x3的卷积核，所述卷积核步长为1，并根据ReLU激活函数进行特征提取；第一池化层，所述第一池化层进行2x2最大池化操作；第二卷积层，所述第二卷积层包括128个3x3卷积核，所述卷积核步长为1，并根据ReLU激活函数进行深入特征提取；第二池化层，所述第二池化层进行2x2最大池化操作；1x1池化层、2x2池化层和4x4池化层，所述1x1池化层、2x2池化层和4x4池化层进行平均池化，获取三个池化的一维向量并连接获取单个长向量；全连接层，所述全连接层包括64个神经元，根据ReLU激活函数将提取到的特征转换为输出；Dropout层，所述Dropout层的丢弃率设置为50%；输出层，所述输出层根据光照条件参数数量，使sigmoid激活函数进行分类，以完成颜色矫正处理；将所述增强特征识别图像输入到注意力导向模块中，以获取加权特征识别图像，最终使情景感知模块根据所述加权特征识别图像判断是否存在危险行为。

全文数据：

权利要求：

百度查询： 华东交通大学 一种基于Yolov4网络的危险行为防护方法及系统