基于改进RetinaNet模型的室内安全帽佩戴检测研究

作者：刘光品; 刘云鹏; 王仁芳

来源：浙江万里学院学报, 2020, 33(06): 97-103.

DOI：10.13777/j.cnki.issn1671-2250.2020.06.016

• RetinaNet
• 卷积块注意力
• K-MeansⅡ聚类
• 安全帽佩戴检测

在生产车间内,生产情况较为复杂,在生产过程中工人未按要求佩戴安全帽是造成安全事故的原因之一。目前基于室内场景的安全帽佩戴检测研究还较少,现提出一种改进的RetinaNet网络检测模型,用于生产车间内员工安全帽佩戴检测。首先,该模型通过在ResNet-50上采用卷积块注意力模块,在其中的通道注意模块的MLP网络中添加dropout机制,增强模型的泛化性;然后,采用K-MeansⅡ维度聚类算法找出锚点的合适尺度来进行目标的检测。实验结果显示,改进的模型在不同实验条件下,安全帽佩戴检测精度达到98.71%,检测速率达到15.6f/s,能满足生产车间的实际需求。

• 单位
  浙江万里学院