面向嵌入式平台的安全帽实时检测方法

作者：农元君; 王俊杰; 徐晓东; 赵雪冰

来源：计算机工程与应用, 2021, 1-8.

• 安全帽检测
• Tiny-YOLOv3
• 嵌入式平台
• 多尺度预测
• 空间金字塔池化

针对当前基于深度学习的安全帽检测方法因结构复杂和计算量大，难以在嵌入端实现实时检测的问题，提出一种适用于嵌入式平台的轻量化安全帽实时检测方法。该方法以Tiny-YOLOv3检测网络为基础，首先通过改进特征提取网络和多尺度预测优化网络结构，其次引入空间金字塔池化模块丰富特征图的多尺度信息，然后采用k-means聚类算法确定适合安全帽检测的锚框，最后引入CIoU边界框回归损失函数以提高检测精度。实验结果表明：在608×608的输入尺寸下，所提方法的平均准确率、召回率、F1值分别达到87.50%、84%、83%，较Tiny-YOLOv3检测方法分别提升了11.27%、11%和7%；且在嵌入式平台NVIDIA Jetson Nano上实现了20.58FPS的实时检测速度，可满足在嵌入端实现安全帽实时检测的需求；此外，该方法在光线不佳、小目标、密集目标等复杂施工环境下具有良好的适应性和泛化性。

• 单位
  中国海洋大学