基于yolov4-pytorch-master制作安全帽检测识别

基本介绍

安全帽检测识别可以通过分析工作场景中的图像，识别出工人是否佩戴安全帽，以此帮助管理者监测工作现场的安全情况，及时发现违规行为并采取措施，从而降低工伤事故发生的概率，保障工人的生命安全。

安装依赖

此次软件使用到了labelImg_exe、yolov4-pytorch-master。

labelImg_exe：

pip install labelimg 

yolov4-pytorch-master:

GitHub - argusswift/YOLOv4-pytorch: This is a pytorch repository of YOLOv4, attentive YOLOv4 and mobilenet YOLOv4 with PASCAL VOC and COCO

其中在使用yolov4-pytorch-master时，通常需要安装以下第三方库：

pip install OpenCV-python

pip install tensorboard

 数据集制作

数据集

 使用labelImg_exe制作了100张图像用于训练

配置文件

voc_annotation.py

classes_path修改为自己的训练集，默认有VOC2007，训练自己的需要修改VOCdevkit_sets，xmlfilepath与saveBasePath同理，运行完voc_annotion.py会在VOC2024\ImageSets\Main下生成定义数据集中的训练、验证和测试集合，以及各个类别的正负样本列表。

classes_path        = 'model_data/work1_classes.txt'




VOCdevkit_sets  = [('2024', 'train'), ('2024', 'val')]




    if annotation_mode == 0 or annotation_mode == 1:a
        print("Generate txt in ImageSets.")
        xmlfilepath     = os.path.join(VOCdevkit_path, 'VOC2024/Annotations')
        saveBasePath    = os.path.join(VOCdevkit_path, 'VOC2024/ImageSets/Main')

train.py

找到classes_path，修改为自己的训练集

classes_path    = 'model_data/work1_classes.txt'

 yolo.py

训练结束后，修改yolo.py中model_path和classes_path，model_path指向训练完后的权值文件，随后运行predict.py

        "model_path"        : 'logs/best_epoch_weights.pth',
        "classes_path"      : 'model_data/work1_classes.txt',

效果显示

运行predict.py后效果如下