安全帽图像识别算法依据AI深度学习+边缘计算，安全帽图像识别算法可以有效识别工人是不是合规和佩戴安全帽，安全帽图像识别算法提高视频监控不同场景下的主动分析与识别报警能力。安全帽图像识别算法系统搭载了全新的人工智能图像识别技术实时分析现场监控画面图像，与人力监管方式对比，规模化分析部署成本低廉，多算法并发是安全帽图像识别算法系统的优势所在。
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%。
当下很多场景下人员戴安全帽的问题是监管难度高，面对庞大繁杂的生产作业环境，人力管控效率不高。将安全帽图像识别算法系统用于安全管理是现阶段最好的解决方法。通过现场已经安装好的监管摄像头对作业现场实时全面不漏死角的进行监控分析，安全帽图像识别算法系统运用图像识别技术+深度学习实时分析，多渠道的报警方式。
# 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)安全帽图像识别算法系统还能够识别与分析不同颜色安全帽，比较常见的安全帽色调有白色，蓝色，红色，橙色，黄色。除此以外，其他颜色还可以根据模型的训练来识别。安全帽图像识别算法系统还可以并行反光衣检测、安全带识别、区域入侵检测、睡岗离岗识别、口罩佩戴检测、抽烟识别以及多种扩展算法。
