基于改进YOLOv5s的头盔佩戴检测算法

作者：陈扬; 吕艳辉^*

来源：沈阳理工大学学报, 2023, 42(05): 11-17.

• YOLOv5s
• 目标检测
• 特征提取
• 特征融合

交通法规规定电动车驾驶人驾车时需要佩戴安全头盔，常用检测算法针对安全头盔这类小目标进行检测时存在漏检的问题。鉴于此，提出一种基于改进YOLOv5s的电动车驾驶人头盔佩戴检测算法，简称为HWD-YOLOv5s算法。该算法以深度学习框架YOLOv5s为基础，改进原始模型特征提取部分的下采样方法和特征融合方法，并修改边框损失函数GIOU的计算方法。通过多场景下数据采集获得11 370张图片以制作安全头盔数据集，并在自制数据集上采用HWD-YOLOv5s算法及其他主流算法进行小目标检测的对比实验。实验结果表明：与YOLOv5s算法相比，HWD-YOLOv5s算法在准确率、召回率、平均精度三个方面分别提升0.4%、1.1%、0.2%;检测速度能够达到实时检测要求。

• 单位
  沈阳理工大学