基于YOLO的安全帽检测方法

• 作者: 党伟超 张睿 林俊 潘理虎 白尚旺
• 来源期刊: 计算机系统应用
• 关键词: 安全帽检测 卷积神经网络 目标检测 YOLO 实时检测
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 174-179
• 页数: 6页
• 字数: 3412字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007065

摘要

安全帽作为作业工人最基本的个体防护装备,对作业人员的生命安全具有重要意义.但是部分作业人员安全意识缺乏,不佩戴安全帽行为时常发生.本文聚焦于复杂场景下对工作人员是否佩戴安全帽的实时检测.YOLO(You Only Look Once)是当前最为先进的实时目标检测算法,在检测精度和速度上都取得了良好的效果,将YOLO应用于安全帽检测.针对未佩戴安全帽单类检测问题,修改分类器,将输出修改为18维度的张量.基于YOLOv3在ImageNet上的预训练模型,对实际场景下采集到的2010张样本进行标注并训练,根据损失函数和IOU曲线对模型进行优化调参,最终得到最优的安全帽检测模型.实验结果表明,在2000张图片测试集上取得了98.7％ 的准确率,在无GPU环境下平均检测速度达到了35 fps,满足实时性的检测要求,验证了基于YOLOv3安全帽检测方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘理虎	太原科技大学计算机科学与技术学院	95	287	10.0	12.0
3	白尚旺	太原科技大学计算机科学与技术学院	76	280	10.0	13.0
4	党伟超	太原科技大学计算机科学与技术学院	40	171	7.0	12.0
7	张睿	太原科技大学计算机科学与技术学院	23	41	4.0	5.0
8	林俊	太原科技大学计算机科学与技术学院	2	3	1.0	1.0