施工场景下基于YOLOv3的安全帽佩戴状态检测

作者：韩锟^*; 李斯宇; 肖友刚

来源：铁道科学与工程学报, 2021, 18(01): 268-276.

DOI：10.19713/j.cnki.43-1423/u.T20200284

• 安全帽检测
• YOLOv3
• 网络结构
• 损失函数

针对现有安全帽检测研究中采用的两阶段检测法存在检测效率偏低,累积误差对精度影响较大的问题,提出一种对安全帽的单阶段检测法。将安全帽和工人头部视为一个整体,将检测目标分为2类,即佩戴安全帽的头部和未佩戴安全帽的头部,同时对2类目标进行检测,避免了冗余的计算步骤及累积误差的影响。同时,针对施工场景安全帽佩戴状态检测特点,对YOLOv3的网络结构、损失函数及先验框尺寸进行改进,提出YOLOv3-C模型。研究结果表明:改进后的YOLOv3-C模型的检测性能大幅提升,在本文建立的样本集中模型的mAP达到93.84%,对安全帽检测平均精度达到97.01%,对工人头部检测平均精度达到90.67%,同时YOLOv3-C对本文的检测场景表现出良好的鲁棒性。

• 单位
  中南大学