施工场景下基于YOLOv3的安全帽佩戴状态检测

• 作者: 韩锟 李斯宇 肖友刚
• 来源期刊: 铁道科学与工程学报
• 关键词: 安全帽检测 YOLOv3 网络结构 损失函数
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 运输·物流·工程管理|Transportation·Logistics·Engineering Management
• 页码范围: 268-276
• 页数: 9页
• 分类号: X947
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20200284

摘要

针对现有安全帽检测研究中采用的两阶段检测法存在检测效率偏低,累积误差对精度影响较大的问题,提出一种对安全帽的单阶段检测法.将安全帽和工人头部视为一个整体,将检测目标分为2类,即佩戴安全帽的头部和未佩戴安全帽的头部,同时对2类目标进行检测,避免了冗余的计算步骤及累积误差的影响.同时,针对施工场景安全帽佩戴状态检测特点,对YOLOv3的网络结构、损失函数及先验框尺寸进行改进,提出YOLOv3-C模型.研究结果表明:改进后的YOLOv3-C模型的检测性能大幅提升,在本文建立的样本集中模型的mAP达到93.84％,对安全帽检测平均精度达到97.01％,对工人头部检测平均精度达到90.67％,同时YOLOv3-C对本文的检测场景表现出良好的鲁棒性.