改进YOLOv3的安全帽佩戴检测方法

• 作者: 肖体刚 蔡乐才 高祥 黄洪斌 张超阳
• 来源期刊: 计算机工程与应用
• 关键词: 安全帽检测 YOLOv3 深度可分离卷积 特征融合 K-Means
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 216-223
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009-0175

摘要

针对在智能监控中安全帽佩戴检测准确率低和检测速率慢的问题,提出一种基于改进YOLOv3(You Only Look Once)的安全帽佩戴检测算法YOLOv3-WH.在YOLOv3算法的基础上改进网络结构,增大输入图像的尺度,使用深度可分离卷积结构替换Darknet-53传统卷积,减少特征的丢失,缩减模型参数,提升检测速率;使用多尺度特征检测,增加浅层检测尺度,添加4倍上采样特征融合结构,提高安全帽佩戴检测准确率;优化K-Means聚类算法,获取安全帽佩戴检测的先验框(anchor box),按照预测尺度大小分配适合的anchor,提升模型训练和检测速率.实验结果表明YOLOv3-WH相比YOLOv3,每秒检测帧数(FPS)提高了64％,检测平均精确度(mAP)提高了6.5％,该算法在提升了安全帽佩戴检测速率的同时提升了检测的准确率,对安全帽佩戴检测具有一定的实用性.