基于深度学习的复杂作业场景下安全帽识别研究

• 作者: 李华 王岩彬 益朋 王藤 王常亮
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: 复杂作业场景 Focal loss ROI Align 多尺度 安全帽佩戴识别
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 职业安全卫生管理与技术
• 页码范围: 175-181
• 页数: 7页
• 分类号: X947
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2021.01.028

摘要

为有效预防由于个人防护缺失所造成的事故,着力探究复杂作业情况下施工人员安全帽佩戴情况的智能化识别.提出在Faster R-CNN目标检测算法的基础上,针对小目标的安全帽识别问题通过增加锚点提升检测能力,为解决数据集中类别不平衡问题采用Focal loss替代原本的损失函数,为解决安全帽预测区域不匹配问题,引入ROI Align代替ROI Pooling操作中2次量化产生的误差,从而提升检测模型准确性,最后在构建的复杂作业场景下安全帽数据集的基础上进行网络性能评估.结果表明:基于改进后的Faster R-CNN网络框架mAP提高了15％,为智能化管控施工现场个人防护用品佩戴问题提供了有效精准化的识别方法.