改进YOLO v3的安全帽佩戴检测方法

• 作者: 施辉 杨英 陈先桥
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像处理 深度学习 YOLO v3 安全帽佩戴检测
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 工程与应用
• 页码范围: 213-220
• 页数: 8页
• 分类号: TP391.41
• 字数: 6965字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0389

摘要

在生产和作业场地中,工人由于不佩戴安全帽而引发的安全事故时有发生.为了降低由于未佩戴安全帽而引发的安全事故发生率,提出了一种基于改进YOLO v3算法的安全帽佩戴检测方法.通过采用图像金字塔结构获取不同尺度的特征图,用于位置和类别预测;使用施工现场出入口监控视频作为数据集进行目标框维度聚类,确定目标框参数;在训练迭代过程中改变输入图像的尺寸,增加模型对尺度的适应性.理论分析和实验结果表明,在安全帽佩戴检测任务中,mAP(Mean Average Precision)达到了92.13%,检测速率提高到62 f/s,其检测准确率与检测速率相较于YOLO v3均略有提高,所提算法不仅满足安全帽佩戴检测中检测任务的实时性,同时具有较高的检测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈先桥	武汉理工大学计算机科学与技术学院	61	389	11.0	16.0
2	杨英	武汉理工大学计算机科学与技术学院	2	34	2.0	2.0
3	施辉	武汉理工大学计算机科学与技术学院	1	17	1.0	1.0