改进YOLOv3的实时性视频安全帽佩戴检测算法

• 作者: 蒋良卫 高晓峰 黄林泉
• 来源期刊: 现代计算机
• 关键词: 安全帽佩戴检测 残差网络 特征融合 目标跟踪 实时
• 年，卷（期）: 2020,（30）
• 所属期刊栏目: 图形图像
• 页码范围: 32-38,43
• 页数: 8页
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.30.007

摘要

生产安全事故频繁发生,佩戴安全帽可以有效避免人员伤亡.提出一种在自然场景下是否佩戴安全帽的检测方法,对YOLOv3算法进行改进.使用ResNeXt50作为新的特征提取网络结合CSP Net中的梯度分流截断思想提高算法的特征表达能力,融合SPP Net和PA Net提高算法特征融合的质量,使用CIoU优化损失函数.并且结合DeepSort目标跟踪技术提高算法实时性.在SHMD安全帽数据集上进行验证,算法平均准确率达到96.80％,较原算法提升12％,且运行速率达到32帧/s.在多种场景下,都具有较好的检测效果.