基于YOLO-ST的安全帽佩戴精确检测算法

作者：杜晓刚; 王玉琪; 晏润冰; 古东鑫; 张学军; 雷涛^*

来源：陕西科技大学学报, 2022, 40(06): 177-191.

DOI：10.19481/j.cnki.issn2096-398x.2022.06.004

• YOLOv5
• 目标检测
• Swin Transformer
• 密集的空间金字塔池化(DSPP)

在建筑业、工地等场景下，由于受到天气、人数、光照强度、拍摄角度和距离等因素的影响，导致在安全帽智能检测时容易出现准确度低、漏检率大、错检率高的问题.为了解决该问题，提出了一种基于YOLO-ST的安全帽佩戴检测算法.该算法具有两个优势：首先，使用更容易捕获图像全局信息的Swin Transformer作为网络的特征提取器，增强网络对安全帽特征的提取能力；其次，设计密集的空间金字塔池化模块并引入到YOLO-ST中，以获取目标中更加丰富的细节信息.实验结果表明，在公开的SHWD数据集上，YOLO-ST的平均识别精度达到了91.3%.与其它方法相比，YOLO-ST取得了更精确的检测结果.

• 单位
  陕西科技大学; 机电工程学院; 兰州交通大学