佩戴安全帽人员聚集识别借助现场已经安装的监控摄像机实时监控现场画面，佩戴安全帽人员聚集识别识别职工是不是戴安全帽，是不是人员聚集状态，进而发送警示和提醒。佩戴安全帽人员聚集识别系统选用最新神经网络算法和边缘计算，可以代替人的双眼，全自动识别各种各样违规操作如：反光衣穿戴识别、安全帽佩戴识别、睡岗离岗识别、烟火识别、跌倒检测、抽烟识别、玩手机识别、高空作业安全带识别等。
YOLOv7 的发展方向与当前主流的实时目标检测器不同，研究团队希望它能够同时支持移动 GPU 和从边缘到云端的 GPU 设备。除了架构优化之外，该研究提出的方法还专注于训练过程的优化，将重点放在了一些优化模块和优化方法上。这可能会增加训练成本以提高目标检测的准确性，但不会增加推理成本。研究者将提出的模块和优化方法称为可训练的「bag-of-freebies」。无论梯度路径长度和大规模 ELAN 中计算块的堆叠数量如何，它都达到了稳定状态。如果无限堆叠更多的计算块，可能会破坏这种稳定状态，参数利用率会降低。新提出的 E-ELAN 使用 expand、shuffle、merge cardinality 在不破坏原有梯度路径的情况下让网络的学习能力不断增强。
现如今，佩戴安全帽 人员聚集识别系统可以协助管理人员统计分析佩戴安全帽的数据。佩戴安全帽 人员聚集识别系统不但能识别到场工作中人员是不是按照要求佩戴安全帽，还可以捕捉违规的画面，发给后台相关人员，并及时提醒现场人员改正。
# 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)佩戴安全帽人员聚集识别系统可以不用GPU，仅需CPU，大幅度降低部署成本。佩戴安全帽 人员聚集识别系统可实现多种算法并发识别运行，一路监控摄像头可以部署多种不同的识别算法，客户可任意配置。佩戴安全帽人员聚集识别系统适用海康、大华的网络摄像机或硬盘录像机，或其他的 RTSP/RTMP/ONVIF 视频流。
