基于改进YOLOv5s电动车头盔的自动检测与识别

作者：朱周华; 齐琦

来源：计算机应用, 2022, 1-8.

• 电动车头盔检测
• YOLOv5s
• 注意力机制
• 非极大值抑制
• 多尺度特征检测

针对目前电动车头盔小目标检测准确率低、鲁棒性差，相关系统不完善等问题，提出了基于改进YOLOv5s算法的电动车头盔检测模型。该模型引入卷积注意力模块（CBAM）和协调注意力模块（CA），用DIoU-NMS（Distance IoU-Non Maximum Suppression）来改进非极大值抑制（NMS），同时增加多尺度特征融合检测，并结合密集连接网络以提高特征提取，建立了电动车驾驶人头盔检测系统。在自建的电动车头盔配戴数据集进行验证，基于改进的YOLOv5s算法比原始YOLOv5s算法平均准确率提高了7.1%，召回率提高了1.6%。实验结果表明：所提改进的YOLOv5s算法更能满足在实际情况中对非机动车及其头盔检测精度的要求，在一定程度上降低了电动车车辆交通事故的发生率。

• 单位
  西安科技大学; 通信与信息工程学院