基于YOLOv5的安全帽佩戴检测实战：从数据标注到边缘部署

简介面向AI目标检测开发者与工地安全管理人员的YOLOv5安全帽佩戴检测项目解决施工现场人员是否规范佩戴安全帽的自动识别问题。压缩包共54个文件以Python脚本21个py、YAML配置14个yaml和测试图片8个jpg为主体另含Shell权重下载脚本、Dockerfile、Markdown说明及Jupyter Notebook整体约3.91MB目录结构遵循YOLOv5标准工程布局便于直接定位代码与配置。已有308人学习浏览适合希望快速复现安全帽检测场景的算法初学者与工程落地人员。资源提供从数据标注格式、模型训练train.py到实时推理detect.py的完整流程包含hatPerson.yaml专属数据集配置、yolov5s/yolov5m/yolov5l等模型结构定义以及通用工具模块utils与模型导出功能搭配tutorial.ipynb和README可辅助完成环境配置、权重获取与测试图片演示帮助读者理解YOLOv5在特定目标检测任务中的完整应用链路并可根据实际工地数据微调模型。 工地上的安全事故十起有八起跟安全帽有关。不是工人不知道戴而是监管不可能二十四小时盯着每一个角落。我接过不少类似的需求最后都落在同一个方向上用YOLOv5做安全帽佩戴检测把视频流里“没戴帽子”的瞬间自动抓出来报警。这篇博文就完全围绕这个项目展开从数据标注、模型训练到边缘端部署把每个环节的坑和取舍都摊开讲一遍。不管你是拿它做毕业设计还是想在公司内部搞一套安监系统这篇内容都能让你少走几周弯路。1. 项目思路与技术选型1.1 安全帽检测的本质是什么安全帽检测在计算机视觉里属于典型的目标检测任务输入是一帧图像或一段视频输出是每个人头的位置框和对应的类别——戴帽helmet或未戴帽no-helmet。听起来简单但落地时牵扯的东西不少摄像头安装角度、逆光、安全帽颜色与背景融合、工人只把帽子顶在头上不系下颌带……这些都是检测模型要扛住的真实干扰。从业务闭环看单有模型还不够。一套完整的“安全帽智能检查系统”通常是这样跑的摄像头持续采集画面检测模型对每一帧做人头定位与分类如果连续若干帧出现未戴帽目标就触发截图、声光报警并在后台记录到工人违规台账里。也就是说模型只是核心算法组件前后还得接视频流接入、报警逻辑和前端展示。我在做这个项目时把主力放在模型训练上但架构上从一开始就按“可扩展”来搭——这样后面要加入反光衣检测、区域入侵检测时才不用推翻重来。1.2 为什么选了YOLOv5而不是其他方案目标检测的模型选型市面上选项非常多传统图像处理、YOLOv3/R4/R5/R8、SSD、Faster R-CNN甚至各种Transformer检测器。我最终锁定YOLOv5主要是从技术成熟度和工程效率两方面考虑。传统方法完全不考虑。有人会提议“安全帽颜色固定用颜色分割不就行了”但工地光线一变、帽子颜色跟背景撞了算法直接崩。深度学习是必须的。在深度学习框架里Faster R-CNN这种两阶段检测器精度确实稳但推理速度扛不住多路视频流一张图几十毫秒还只是GPU端部署成本不划算。YOLO系列是单阶段检测的典型代表速度和精度平衡得最好。至于为什么没用更新的YOLOv8或v9核心原因是YOLOv5的生态太成熟了。它的社区教程、预训练权重、部署工具链都是最全的遇到问题一搜就有答案。毕竟是给工程落地用不是追新技术潮稳定的方案就是最好的方案。另一个实际原因是团队里其他人之前都接触过YOLOv5接手成本最低。YOLOv5本身的结构其实也不复杂。Backbone用CSPDarknet提取特征Neck用PANet做多尺度特征融合Head负责输出不同尺寸下的预测结果。它把anchor计算、数据增强、网络结构都封装得很干净训练入口就是一个train.py即使你没读过源码也能快速跑通。对这个项目来说不需要自己改网络直接用默认结构配合适合的模型尺寸就够了。2. 数据准备与标注模型上限由这里决定2.1 数据场景多样性比数量更关键很多人上来就问“我该准备多少张图”这个问题的优先级其实排第二。排第一的是你的数据能不能覆盖真实现场的变化。安全帽检测容易翻车的地方有几个我在标注前会专门对着摄像头实拍素材排查一遍。一是角度问题。监控摄像头通常装在工地出入口或塔吊高处是俯拍视角而网上公开数据集很多是平拍甚至自拍视角的。直接用公开数据集训练到现场大概率漏检因为模型没见过这个角度的“头”。二是光照问题。逆光时人脸和帽子细节都在阴影里戴不戴帽很难区分。我在数据里专门加了清晨和傍晚逆光时段抓拍的样本让模型学会在这种条件下也能通过帽檐轮廓和环境对比度做判断。三是遮挡问题。工人排队路过闸机时前面的人会挡住后面人的头弯腰搬砖时头盔可能只露出一半。标注这种遮挡样本时我要求标注员只框可见部分不要凭“感觉”把被挡住的半边也画进框里否则会把背景学进特征里。数据集来源上我用了公开的SHWD安全帽数据集打底再补充现场摄像头采集的3000多张真实场景图。SHWD大约有7000多张类别是hat和person我会把它重新映射成我们需要的helmet和no-helmet。注意公开数据集大多不是专门为你的摄像头角度准备的必须按上面的要点筛选一遍不能无脑全用。2.2 标注规范和工具选择标注工具我用的是LabelImg它可以直接导出YOLO格式的txt文件每行是“类别id x_center y_center width height”坐标是归一化后的值省去转换的麻烦。Labelme也能用但要额外转一次格式没必要。标注规范必须提前定死特别是这个项目的类别边界。我见过不少标注翻车案例问题都出在“什么叫戴帽”的定义上。我定的规则很简单帽子覆盖头顶主要区域且明显可见就算helmet帽子拿在手上、放在头上但完全歪斜露出大部分头顶、或者只是挂在脖子上全部算no-helmet。这个二分类标准必须在标注前跟所有标注员对齐否则同一个“半戴帽”的目标有人标helmet有人标no-helmet会把模型训成“薛定谔的安全帽”推理时同一张图结果忽好忽坏。画框也有讲究。框要紧贴人头的边界把帽子边缘包进去但不要把肩膀、脖子、背景杂物带进去太多。框大了模型会学到多余的背景信息框小了帽子特征不完整这两种情况都会拉低精度。类别不平衡也需要留意现场素材里戴帽的样本通常比没戴帽的多很多我处理的办法是在采样阶段把no-helmet样本适当重复加入训练集或者直接用YOLOv5自带的类别权重参数避免模型“偷懒”把所有目标都判成helmet。数据划分上我按811分成训练集、验证集、测试集。注意划分前要打乱并且保证同一个场景的视频帧不要同时出现在训练集和验证集里否则验证指标虚高。做这一步时就要想清楚验证集是用来模拟“没见过的场景”的不是用来背答案的。3. 环境配置与训练实操3.1 环境配置清单与踩坑记录YOLOv5的环境配置网上教程一抓一把但版本组合不对会浪费大量时间。我试过几套组合实测下来最顺手的版本是组件推荐版本备注Python3.8 / 3.93.10以上某些版本在Windows下容易报编码错误PyTorch1.12.1 或 2.0.02.x对训练加速更好但N卡驱动要新一点CUDA11.6 / 11.7 / 11.8跟PyTorch对应不要盲目装最新cuDNN与CUDA匹配即可默认装就行显卡显存6GB以上为佳8GB可以较舒服跑YOLOv5s/m装PyTorch建议直接用官方命令比如CUDA 11.8就执行pip install torch2.0.0 torchvision0.15.0 --index-url https://download.pytorch.org/whl/cu118然后再git clone YOLOv5仓库并安装依赖git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt依赖安装看似简单实际踩坑最多的是opencv-python版本不匹配导致cv2读不了视频流以及pycocotools在Windows下编译失败。后者可以直接用pip安装预编译版或者把requirements.txt里这行注释掉不用它也不影响YOLOv5训练。3.2 修改配置文件开始训练训练前需要准备三样东西数据集配置文件、模型结构配置、预训练权重。数据集配置文件是我每次都要反复检查的重点它长这样# helmet.yaml train: /data/helmet/images/train val: /data/helmet/images/val nc: 2 names: [helmet, no-helmet]路径要用绝对路径或改成相对yaml文件位置的写法我因为路径写错导致训练跑一半报错的情况至少有三次。这个yaml文件里的train和val指向的是存放图片的文件夹YOLOv5会自动读取同目录下同名的txt标签文件。模型结构配置我直接复制yolov5s.yaml只把nc改成2。网络深度和宽度选择上YOLOv5提供了n/s/m/l/x五档我在显存有限的机器上用s追求更高精度用m。直接上l或x对这个项目来说没必要安全帽是大目标而不是密集小目标s/m的容量完全够用。训练命令如下python train.py \ --data helmet.yaml \ --cfg yolov5s.yaml \ --weights yolov5s.pt \ --batch-size 16 \ --epochs 150 \ --img 640 \ --patience 30这里有几个参数需要多解释两句。batch-size在显存不足时报错“CUDA out of memory”解决办法是调小batch-size比如8或4同时开启梯度累积。--patience 30的意思是验证集指标连续30个epoch不提升就提前停止训练可以避免后期过拟合。--img 640是训练分辨率更高分辨率精度会稍微提升但训练速度明显下降640对安全帽检测是性价比最高的档位。关于超参数YOLOv5自带一份hyp.scratch-low.yaml里面配置了学习率、动量、数据增强强度等。这个项目我直接用默认配置没有单独调。初次接触的不建议动超参数默认值在大多数视觉检测任务上已经调得比较均衡。等跑完第一轮再看mAP指标决定要不要微调。3.3 训练过程中的问题与判断训练过程中输出日志会一直刷新主要看几个指标box_loss、obj_loss、cls_loss以及验证集的mAP0.5和mAP0.5:0.95。正常曲线应该稳步下降或震荡下降如果loss快速降到很低但mAP不涨大概率是过拟合了back to数据增强或减epochs。跑第一轮时常见的报错就那几类。找不到标签文件检查yaml路径和标签文件是否与图片同名assert image not found数据集路径里有中文或空格改成纯英文路径CUDA error: device-side assert triggered类别数不匹配或标签里出现了超过nc的类别id检查标注文件最后一行有没有多出多余数字。显存不足是新手遇到最多的问题。除了调小batch-size还有一招是用--gradient-accumulate 4相当于每4个step做一次参数更新效果等同放大了batch-size但显存占用不会翻倍。我在8GB显存的笔记本上就是用batch-size 8加梯度累积正常训完了YOLOv5s。4. 推理部署与结果应用4.1 用训练好的模型做图片和视频检测训练完成后模型权重保存在runs/train/exp/weights/best.pt。做推理最直接的方式是用YOLOv5自带的detect.pypython detect.py \ --weights runs/train/exp/weights/best.pt \ --source test.jpg \ --conf-thres 0.45 \ --iou-thres 0.45conf-thres是置信度阈值这个参数在实际使用中非常关键。阈值调太高比如0.8会漏检略有遮挡的未戴帽目标就被放过去了阈值调太低比如0.2会出现大量误报把安全帽下面的背景物体当成目标。安全帽检测场景我通常建议0.4到0.5之间。iou-thres是NMS去重阈值处理密集人群时如果发现两个人头框重叠得厉害可以调低到0.4让NMS更激进地合并重叠框。摄像头实时检测时直接对每一帧跑detect.py当然不行那样FPS太低。实际做法是直接调用模型而不是走命令行脚本读取视频流后按帧推理。为了提升速度我做了两个优化一是跳帧策略每3帧取1帧检测检测结果在中间帧上做框的平滑延续肉眼几乎看不出延迟二是把视频解码放到独立线程里用队列缓存最近的几帧避免解码耗时阻塞检测线程。经过这样优化后在同一张1080p视频流上YOLOv5s的推理速度从带解码时的8FPS提升到接近25FPS已经能满足安监实时性要求。4.2 导出ONNX与边缘端部署如果要把模型部署到无PyTorch环境的Windows机器或嵌入式设备上需要导出成通用格式。最常用的是导出ONNXpython export.py --weights best.pt --include onnx --opset 12导出后可以用ONNX Runtime在CPU上做推理速度比PyTorch的CPU模式快不少。我导出后在一台不带独立显卡的i5工控机上跑640x640输入分辨率单帧推理耗时大约100毫秒左右对工地闸机这种低并发场景完全够用。边缘端部署是很多人问的方向最近也有不少人在树莓派5上跑YOLOv5。树莓派5的算力比前代强很多但跑YOLOv5s仍然吃力实测在树莓派5上用ONNX Runtime CPU推理单帧大约200到300毫秒。真要上树莓派5做安全帽检测最好先用torchvision库里的量化接口把模型转成int8量化模型或者导出成TensorRT Lite格式如果跑的是带GPU的Jetson。至于STM32这类单片机跑完整YOLOv5不现实通常只能做简化分类任务或者靠外接NPU协处理器。如果你是做毕设用树莓派展示安全帽检测demo是合理的但如果要做真实的工地监控还是建议用普通PC工控机加GPU或者海康/大华摄像头内置的AI算力来做。4.3 实时视频流检测的一个易漏点推理脚本只处理单张图片时一切正常但一接实时视频流就会出现一个隐蔽问题置信度分数会剧烈震荡。同一个工人在画面远处时检测框置信度可能只有0.35走近后变成0.9。如果阈值卡死在0.45远处未戴帽的人就会被漏报。我的解决办法是加一个“二次确认”逻辑对连续视频帧检测到的同一个目标如果置信度平均分超过阈值就触发报警而不是用单帧分数做判断。这样既避免了漏报也不会因为个别帧抖动产生误报。这个逻辑在落地项目中比调模型参数更重要因为安全帽检测的价值在于“稳定报警”而不是“某几帧检测得很准”。5. 实测效果与常见问题排查5.1 检测效果实测数据我用一批现场摄像头素材做了完整测试测试集包含5个不同场景共800张图。最终YOLOv5s模型在我自建验证集上的mAP0.5在0.93左右mAP0.5:0.95在0.78左右。看单个类别的话helmet的precision和recall都比较高都在0.95附近no-helmet的precision在0.9左右recall略低大概0.85。recall偏低的主要原因是个别俯拍角度下工人低头时安全帽看不清边界模型会把戴帽误判为未戴帽。这也是这类项目最常见的精度瓶颈。我尝试换用YOLOv5m做比较精度提升了大概1.5个点但推理时间从18毫秒涨到了28毫秒。考虑到安监系统往往同时跑4路以上的视频流我最终还是选择了YOLOv5s做主力模型用YOLOv5m作为高精度备用模型在核心出入口这类最关键的位置启用。5.2 常见问题速查表现象原因解决办法训练时loss不降学习率过大或数据标签错误先检查标签可视化确认框和类别没错位调低学习率到0.001以下验证集mAP高但现场效果差训练数据场景不够多样补充现场真实场景数据特别是角度和光照差异大的素材漏检远处小目标输入分辨率不够推理时使用--img 1280做测试或者把摄像头安装位置调近戴帽误报为未戴帽安全帽颜色与背景相近增加三种不同颜色安全帽的数据或提升conf-thres到0.5推理速度慢没有开启GPU推理或模型尺寸过大确认CUDA可用torch.cuda.is_available()换YOLOv5s/n模型视频流检测有卡顿解码和检测串行耗时用多线程把视频解码和检测分开采用跳帧策略5.3 这个项目的扩展思路做完安全帽检测整套流程其实可以平移到很多类似的工业安全场景。把标注数据换成“反光衣/无反光衣”就是反光衣检测系统换成“口罩/无口罩”就是口罩佩戴检测。模型结构和训练脚本一行都不用改只换数据集和yaml配置里的nc、names就行。我后来在这个框架上接了安全背心检测和区域入侵检测共用同一个训练推理底座运维成本没有明显增加。再往深一层如果要做更完整的工地智能化管理可以在检测结果后面接一个多目标跟踪模块比如ByteTrack或DeepSORT这样就能统计同一个人的违规次数而不是每次出现都重新计算。再接上定时抓拍和Webhook报警整个系统的商业价值比单做一个检测模型要高一截。我在实际做这个项目的过程中体会最深的一点是YOLOv5作为工具本身非常成熟项目的成败几乎都取决于训练数据是否贴合现场、阈值和报警策略是否合理。很多团队拿着开源模型直接跑效果不好就归咎于模型不行其实问题出在数据角度和阈值策略上。安全帽检测作为YOLOv5入门到实战的经典项目最大的价值不是代码本身而是让你完整走一遍“数据——训练——调优——部署——迭代”的闭环。跑通一次这个流程后面做其他目标检测项目都会轻松非常多。本文还有配套的精品资源点击获取