面向嵌入式平台的安全帽实时检测方法

• 作者: 农元君 王俊杰 徐晓东 赵雪冰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 安全帽检测 Tiny-YOLOv3 嵌入式平台 多尺度预测 空间金字塔池化
• 年，卷（期）: 2022,（9）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 161-167
• 页数: 7页
• 分类号: TP319.4
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011-0038

摘要

针对当前基于深度学习的安全帽检测方法因结构复杂和计算量大,难以在嵌入端实现实时检测的问题,提出一种适用于嵌入式平台的轻量化安全帽实时检测方法.该方法以Tiny-YOLOv3检测网络为基础,通过改进特征提取网络和多尺度预测优化网络结构,引入空间金字塔池化模块丰富特征图的多尺度信息,采用K-means聚类算法确定适合安全帽检测的锚框,引入CIoU边界框回归损失函数以提高检测精度.实验结果表明:在608×608的输入尺寸下,所提方法的平均准确率、召回率、F1值分别达到87.50％、84％、83％,较Tiny-YOLOv3检测方法分别提升了11.27、11和7个百分点;且在嵌入式平台NVIDIA Jetson Nano上实现了20.58 frame/s的实时检测速度,可满足在嵌入端实现安全帽实时检测的需求.该方法在光线不佳、小目标、密集目标等复杂施工环境下具有良好的适应性和泛化性.