基于改进Faster R-CNN的头盔检测算法研究

作者：储开斌; 叶托; 张继

来源：国外电子测量技术, 2022, 41(06): 86-92.

DOI：10.19652/j.cnki.femt.2103572

• 深度学习
• 小目标检测
• 头盔检测
• Faster R-CNN

为加强建筑、矿井、石油开采等行业现场工作人员是否按规定佩戴安全帽的监督，降低施工现场的安全隐患，提出一种基于改进Faster R-CNN的安全帽检测算法，用于检测进入施工场所的工人安全帽的佩戴情况。针对Faster R-CNN算法在小目标上检测精度低下问题，采用主要样本注意力机制(PISA)方法对样本按权值重新进行排序，优化样本不均衡问题；用可变形卷积模块(DCN)代替模型中普通卷积层，进一步改善识别精度。实验过程中还应用了Ablu数据增强方法提升网络的泛化性。结合施工现场实地采集的数据集，验证了算法的有效性。实验结果表明，改进之后的检测模型在目标检测上的平均精度均值较原Faster R-CNN算法提升了3.9%,召回率提高了0.8%,F1-score提高了2.1。

• 单位
  常州大学