基于深度学习的安全帽佩戴检测与跟踪

• 作者: 曹雪虹 焦良葆 秦嘉
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 安全帽 目标检测 目标跟踪 YOLOv3网络 K-means++聚类 卡尔曼滤波 KM算法
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 模式识别
• 页码范围: 1-6
• 页数: 6页
• 分类号: TU714|TP391.41
• 字数: 3718字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.06.001

摘要

为了解决传统施工现场安全管理的弊端,减少因施工人员未佩戴安全帽造成的人员伤亡,本文提出一种基于深度学习的安全帽佩戴检测与跟踪方法.首先通过深度学习YOLOv3目标检测网络实现安全帽佩戴检测,进一步运用卡尔曼滤波器和KM算法实现多目标跟踪与计数.复杂施工现场的测试结果表明:网络模型的检测速度可达45 fps,平均精确度为93％,且未佩戴安全帽的查准率和查全率分别为97％和95％,基本能够实现安全帽佩戴情况的实时检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦良葆	南京工程学院信息与通信工程学院	34	61	5.0	6.0
2	曹雪虹	南京工程学院信息与通信工程学院	57	151	8.0	8.0
3	秦嘉	南京工程学院信息与通信工程学院	1	0	0.0	0.0