安全带佩戴识别系统 YOLOv7

安全带佩戴识别系统对视频监控画面开展实时分析识别,安全带佩戴识别系统当视频画面出现工作员未佩戴安全带时，安全带佩戴识别系统主动触发告警提示，并通过短信、邮件、报警语音等方式进行通知。安全带是建筑工地的作业人员工作必备的安全防护设备，按标准佩戴安全带是作业人员本身安全生产的重要保障之一。

YOLOv7由YOLOv4和YOLOR的同一作者于2022年7月发表在ArXiv。当时，在5 FPS到160 FPS的范围内，它的速度和准确度超过了所有已知的物体检测器。与YOLOv4一样，它只使用MS COCO数据集进行训练，没有预训练的骨干。YOLOv7提出了一些架构上的变化和一系列的免费包，在不影响推理速度的情况下提高了准确率，只影响了训练时间。

YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器
并在 V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。
相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9% AP）速度上高出 509%，精度高出 2%，比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%，精度高出 0.7%。

针对高处作业，例如攀登作业、临边作业、悬空作业和交叉作业等场景工作的人员需要佩戴安全带以保障自身安全。在使用中，客户将安全带的一端固定不动在安全电缆线上，另一端固定于身体上，并维持牢固。扣扣合时立即可能出现松脱难题，严重威胁作业人员的人身安全。因而，针对上述问题，务必明确指出进一步的解决方案。

# From Mr. Dinosaur
 
import os
 
 
def listdir(path, list_name):  # 传入存储的list
    for file in os.listdir(path):
        file_path = os.path.join(path, file)
        if os.path.isdir(file_path):
            listdir(file_path, list_name)
        else:
            list_name.append(file_path)
 
 
list_name = []
path = 'D:/PythonProject/data/'  # 文件夹路径
listdir(path, list_name)
print(list_name)
 
with open('./list.txt', 'w') as f:  # 要存入的txt
    write = ''
    for i in list_name:
        write = write + str(i) + '\n'
    f.write(write)

安全带佩戴识别系统自动识别现场工人的安全带佩戴状况。当工人在施工区域不扣安全带时，立即主动警报提醒，将页面截屏传给管理后台，有效防止因未系安全带导致的事故，降低作业管理成本提高管理效率。