基于改进的YOLOv4安全帽佩戴检测研究

• 作者: 郭师虹 井锦瑞 张潇丹 秦晓晖
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: 施工管理 安全帽检测 轻量化神经网络 YOLOv4 实时检测
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 职业安全卫生管理与技术|Occupational Safety and Health Management and Technology
• 页码范围: 135-141
• 页数: 7页
• 分类号: X947
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2021.12.022

摘要

为了加强建筑工人佩戴安全帽情况的检测,防止安全事故的发生,提出1种改进的轻量级YOLOv4安全帽佩戴检测算法,用于运行在移动设备端,降低现场部署的条件;制作1个8000幅图像的数据集,用于训练和评估安全帽检测算法;为了评估改进的YOLOv4的性能,从5个不同建筑工地采集到600张施工人员图像和60条施工视频作为验证集;根据建筑工地不同的视觉条件对图像进行分类,用于验证本文算法在不同外界环境下的性能.结果表明:改进后的模型检测速度是YOLOv4的3.4倍,可用于实时检测施工人员在不同施工现场条件下是否佩戴安全帽的情况,有利于提高安全检查和监督水平.