基于改进YOLOv7的安全帽佩戴检测算法

作者：张晨; 陈云鹏; 王青林; 邱生顺

来源：信息与电脑(理论版), 2023, 35(14): 115-119.

• 安全帽佩戴检测
• YOLOv7
• 卷积注意力机制模块(CBAM)
• Kmeans++
• 损失函数

佩戴安全帽对确保高危作业人员的生命安全至关重要。然而，由于施工现场活动范围广泛，从摄像头收集的安全帽图像具有相对较小、检测难度大的特点，容易出现漏检或错检的问题。因此，提出了一种基于改进YOLOv7的安全帽检测算法。使用Kmeans++算法聚类得到更优的先验边界框，在原YOLOv7中添加一个小目标检测层，同时加入卷积注意力机制模块（Convolutional Block Attention Module,CBAM），使网络更加关注输入图像的有效信息。为优化损失函数，使用Focal-EIoU替换了原YOLOv7网络模型中的完整的交并比（Complete Intersectionover Union,CIoU），从而减少损失函数自由度，提高模型性能。实验采用了百度飞桨公开的安全帽数据集进行训练。结果表明，改进算法的准确率达到92.2%，召回率达到91.6%，全类别平均正确率（mean Average Precision,mAP）提升1.4个百分点。提出的改进算法有效降低了漏检率及错检率，在安全帽佩戴检测中表现出良好的性能。