基于YOLOv8的安全帽检测_yolov8模型置信度

前言

        建筑工人头部伤害是造成建筑伤亡事故的重要原因。佩戴安全帽是防止建筑工人发生脑部外伤事故的有效措施,而在实际工作中工人未佩戴安全帽的不安全行为时有发生。因此,对施工现场建筑工人佩戴安全帽自动实时检测进行探究,将为深入认知和主动预防安全事故提供新的视角。然而,传统的施工现场具有安全管理水平低下、管理范围小、主要依靠安全管理人员的主观监测并且时效性差、不能全程监控等一系列问题。 

1.YOLOv8介绍

  Ultralytics YOLOv8是Ultralytics公司开发的YOLO目标检测和图像分割模型的最新版本。YOLOv8是一种尖端的、最先进的（SOTA）模型，它建立在先前YOLO成功基础上，并引入了新功能和改进，以进一步提升性能和灵活性。它可以在大型数据集上进行训练，并且能够在各种硬件平台上运行，从CPU到GPU。

Yolo采用卷积网络来提取特征，然后使用全连接层来得到预测值。网络结构参考GooLeNet模型，包含24个卷积层和2个全连接层。

Loss 计算

Loss 计算过程包括 2 个部分： 正负样本分配策略和 Loss 计算。

Backbone： Feature Extractor提取特征的网络，其作用就是提取图片中的信息，供后面的网络使用

Neck ： 放在backbone和head之间的，是为了更好的利用backbone提取的特征,起着“特征融合”的作用。

Head：利用前面提取的特征，做出识别

框架图提供见链接：Brief summary of YOLOv8 model structure · Issue #189 · ultralytics/ultralytics · GitHub

 2.工作原理

1）判断工人存在的区域，使用人脸检测模块对人脸进行标记；

采用YOLOv8算法，其目标检测框架可以实现对多类目标物体的检测。

2）提取工人头部子区域；

统一在各区域的中部靠上方部分提取，将提取区域固定为正方，将分离出来的头部区域再输入到之后的网络中作后续分析。

3）对提取到的图像采用多分类方法，判断工人是否佩戴安全帽。

用多分类法完成对是否佩戴了安全帽的情况进行判断。

3.搭建YOLOv8运行环境

1.下载yolov8代码

github：YOLOv8-github

gitee:YOLOv8-gitee

推荐使用国内的gitee

2.创建conda虚拟环境

如果没有安装conda可以搜索一下conda配置教程，按照流程安装好conda，还要下载好符合自己电脑版本的CUDA 后续会用。

3.打开conda窗口 进入到安装的YOLOv8界面

1.创建新的虚拟环境

conda create -n y8 python=3.8

2.输入下面命令查看是否创建成功

 conda env list 

3.激活进入环境

conda activate y8

4.安装配置文件

首先先把pip的源换到国内aliyun镜像，下载速度提高很多

pip config set install.trusted-host mirrors.aliyun.com

首先conda环境cd进入主文件夹下，在yolov8文件夹下有个配置文件requirements.txt 在conda页面使用pip安装一下

pip install -r requirements.txt

安装完配置文件在安装一下yolov8在python>=3.8版本必要安装包

pip install ultralytics

5.下载训练模型，推荐yolov8s.pt或者yolov8n.pt，模型小，下载快，在gitee或者github下方readme里面，下载完成后，将模型放在主文件夹下。

yolov8s.pt下载地址：yolov8s.pt

yolov8n.pt下载地址：yolov8n.pt

详细参考步骤如下：
最新YOLOv8(2023年8月版本)安装配置！一条龙傻瓜式安装，遇到问题评论区提问_yolo安装-CSDN博客