基于YOLOX-L算法的安全帽佩戴检测方法

作者：李骏峰; 杨小军; 张凯望

来源：计算机技术与发展, 2022, 32(09): 100-106.

• 深度学习
• 卷积神经网络
• 目标检测
• 安全帽佩戴检测
• YOLOX-L算法

安全帽作为生产和作业场地工人的最基本的个体防护装备，能够极大地保证工作人员的安全防护，在实际生产环境下由于多种因素造成的伤亡中，没有佩戴安全帽造成伤亡事故的占比一直很高。为了减少相应的事故发生率，提出一种基于YOLOX-L算法的安全帽佩戴检测方法。YOLOX系列模型是当前最为先进的实时的无锚的单阶段检测器之一，在多种类别目标的检测下都具有优异的准确率和速度效果。通过使用YOLOX-L模型骨干层提取多尺度的特征图，用于回归目标位置和预测类别；使用安全帽佩戴检测数据集(SHWD),使用冻结非冻结的训练方式训练YOLOX-L网络，最后选取最好的训练模型检测安全帽的类别和位置。实验结果表明，在SHWD数据集检测任务中，相比较于YOLOv3算法，基于YOLOX-L的mAP提高了5.41%,查全率分别提高了18.51%和26.44%。所提方法在满足高准确率和实时性要求的基础上，更少发生漏检，具有更高的查全率。