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！

龙图腾网恭喜西安理工大学申请的专利基于YOLOv5目标检测模型的安全帽佩戴检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114170626B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111394627.6，技术领域涉及：G06V40/10；该发明授权基于YOLOv5目标检测模型的安全帽佩戴检测方法是由赵志强;王耀中;黑新宏;何文娟;赵钦设计研发完成，并于2021-11-23向国家知识产权局提交的专利申请。

本基于YOLOv5目标检测模型的安全帽佩戴检测方法在说明书摘要公布了：本发明公开了基于YOLOv5目标检测模型的安全帽佩戴检测方法，在初始YOLOv5目标检测模型的基础上利用YOLOv5的特征提取部分提取更大尺寸的特征图，在特征融合部分进行特征融合。采用中心损失作为正则化项对YOLOv5目标检测模型中的置信度损失和分类损失进行约束，从而使得改进后的YOLOv5目标检测模型能更为准确的检测出小目标的类别其中更大尺寸的特征图具有较小的感受野，因此更有利于YOLOv5目标检测模型检测出小目标。本发明所提出的改进后YOLOv5模型在施工场景下安全帽的检测任务中有着优异的表现，一些YOLOv5检测不到的小目标被改进后YOLOv5所检测到。

本发明授权基于YOLOv5目标检测模型的安全帽佩戴检测方法在权利要求书中公布了：1.基于YOLOv5目标检测模型的安全帽佩戴检测方法，其特征在于，步骤1、获取安全帽检测数据集SHWD，并生成相应的标签文件；将所述数据集划分为训练集，验证集和测试集；步骤2、将输入图像输入原始YOLOv5目标检测模型，通过原始YOLOv5目标检测模型的特征提取部分提取出四个不同大小的特征图；再将四个不同大小的特征图进行特征融合，最终到了改进后YOLOv5目标检测模型；步骤2中，对YOLOv5的模型结构进行了改进，使得YOLOv5在4种尺度上预测检测目标的边界框；对于输入尺寸为640×640像素大小的输入图像，YOLOv5的特征提取部分从中提取出160×160，80×80，40×40，20×20这四种大小的特征图；在特征融合部分对这四种尺寸大小的特征图进行特征融合；在YOLOv5模型的检测部分，在每个尺度下都输出一个3维的预测张量；预测张量中编码的信息有：预测框的位置信息、预测框中包含待检测目标的置信度、预测框中包含目标的类别；设置输出的目标类别分别为正常的未佩戴安全帽的头部和安全帽两类；因此在YOLOv5模型的检测部分中，对于尺度大小为N×N的特征图YOLOv5模型所产生的预测张量的大小为N×N×[4*1+4+2]，其中4代表改进后的YOLOv5模型预测四个尺度的张量，1代表置信度的预测，4代表预测框位置信息，2代表目标类别为两个类，因此改进后YOLOv5目标检测模型输出的四种尺度的预测张量分大小别为160×160×28，80×80×28，40×40×28和20×20×28；步骤3、所述改进后YOLOv5目标检测模型的损失函数分为定位损失函数、分类损失函数、置信度损失函数；采用度量学习中的中心损失函数作为正则化项对分类损失和置信度损失进行约束，从而构成一个新的目标函数；使用随机梯度下降法对该目标函数进行优化，从而达到训练改进后YOLOv5目标检测模型的目的；步骤3中，初始YOLOv5目标检测模型的损失函数由定位损失，置信度损失和分类损失三部分组成，表达式为： 其中为所述定位损失的权重系数，为置信度损失的权重系数，是分类损失的权重系数；是为定位损失函数，其表达式为：其中代表在对目标定位时目标框和真实框的重合程度；和分别是置信度损失和分类损失，YOLOv5使用作为和的损失函数；假设给定的数据集有个样本和对应的标签，为： 其中是sigmoid函数，其表达式为,对于输入，其输出的值域为0,1；在YOLOv5的置信度损失和分类损失后添加中心损失函数作为约束，该函数的表达式为:，对于每一个样本和相应的类标签，代表类的中心;在添加中心损失函数后置信度损失和分类损失的表达式如下： 其中，和分别代表受到中心损失函数约束的置信度损失和分类损失函数,和是相应的权重系数；最后将三部分损失函数合并，便得到了改进后YOLOv5的损失函数： 步骤4、将所述安全帽检测数据集中的训练集图像输入至步骤3改进后YOLOv5模型进行训练，并保存训练过程中改进后YOLOv5模型在验证集上检测准确率最高时的权重参数，并将权重文件命名为best.pt；步骤5、加载步骤4所述权重文件best.pt至改进后YOLOv5目标检测模型中，将测试集中的图像输入改进后YOLOv5目标检测模型，得到该模型在测试集中的检测结果，检测到的结果包含两部分，分别是施工场景中佩戴的安全帽和未佩戴的正常头部。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。