高空作业安全绳穿戴识别系统 YOLOv3

高空作业安全绳穿戴识别系统利用作业现场已有的摄像头，高空作业安全绳穿戴识别系统通过计算机视觉+视频ai分析技术，对高空作业人员进行实时监测。当高空作业安全绳穿戴识别系统检测出相关人员在高空作业未佩戴安全绳时，系统立即预警提醒，并把报警记录储存在服务器数据库中，同步将信息发到相关人员手机上，提升监管效果。

2018年，作者Redmon又在YOLOv2的基础上做了一些改进。特征提取部分采用Darknet-53网络结构代替原来的Darknet-19，利用特征金字塔网络结构实现了多尺度检测，分类方法使用逻辑回归代替了softmax，在兼顾实用性的同时保证了目标检测的准确性。

从YOLOv1到YOLOv3，每一代性能的提升都与backbone（骨干网络）的改进密切相关。在YOLOv3中，作者不仅提供了darknet-53，还提供了轻量级的tiny-darknet。如果你想检测精度与速度兼备，可以选择darknet-53作为backbone；如果你想达到更快的检测速度，精度方面可以妥协。那么tiny-darknet是你很好的选择。总之，YOLOv3的灵活性使得它在实际工程中得到很多人的青睐。

YOLOv3的主干网络Darknet-53包含卷积层（Convolutional Layer）、残差层（Residual Layer）、特征融合层（Feature Fusion Layer），网络层数的加深提高了检测精度，大量残差网络模块的引入减少了由网络层数加深引起的梯度下降问题，金字塔池化模块的引入可以实现多尺寸的输入和统一尺寸的输出。

相关规定表明高度超出2米，则视作高空作业。高空作业务必佩戴安全绳。针对高空作业的安全设备和器材，原料需要通过气动工具包或绳子上下传送，不可上下抛掷。相当部分人员人存在侥幸心理，他们会觉得戴着安全绳后挪动不便。在高空作业时不戴安全带有时候绑着安全带也是不扣在固定点，认为危险不可能发生在自己身上。

import numpy as np
def convert(size, box):
    """
    将标注的 xml 文件生成的【左上角x,左上角y,右下角x，右下角y】标注转换为yolov5训练的坐标
    :param size: 图片的尺寸： [w,h]
    :param box: anchor box 的坐标 [左上角x,左上角y,右下角x,右下角y,]
    :return: 转换后的 [x,y,w,h]
    """

    x1 = int(box[0])
    y1 = int(box[1])
    x2 = int(box[2])
    y2 = int(box[3])

    dw = np.float32(1. / int(size[0]))
    dh = np.float32(1. / int(size[1]))

    w = x2 - x1
    h = y2 - y1
    x = x1 + (w / 2)
    y = y1 + (h / 2)

    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return [x, y, w, h]

高空作业安全绳穿戴识别系统实时监测高空作业人员安全绳佩戴情况，一旦检测出人员在高空工作的时候并没有穿戴安全绳，系统会通知监管办，并把警报截屏和视频保存到数据库生成表格。高空作业安全绳穿戴识别系统为高空作业为其提供强有力安全管理措施，进一步降低该类事件发生的几率。