共 7 条
改进YOLO v3的安全帽佩戴检测方法
被引：96
|作者：
施辉
[1
]
陈先桥
[1
]
杨英
[1
]
机构：
[1] 武汉理工大学计算机科学与技术学院
来源：
基金：
国家重点研发计划;
关键词：
图像处理;
深度学习;
YOLO v3;
安全帽佩戴检测;
D O I：
暂无
中图分类号：
TP391.41 [];
TU714 [安全管理];
学科分类号：
080203 ;
1201 ;
摘要：
在生产和作业场地中,工人由于不佩戴安全帽而引发的安全事故时有发生。为了降低由于未佩戴安全帽而引发的安全事故发生率,提出了一种基于改进YOLO v3算法的安全帽佩戴检测方法。通过采用图像金字塔结构获取不同尺度的特征图,用于位置和类别预测;使用施工现场出入口监控视频作为数据集进行目标框维度聚类,确定目标框参数;在训练迭代过程中改变输入图像的尺寸,增加模型对尺度的适应性。理论分析和实验结果表明,在安全帽佩戴检测任务中,mAP(Mean Average Precision)达到了92.13%,检测速率提高到62 f/s,其检测准确率与检测速率相较于YOLO v3均略有提高,所提算法不仅满足安全帽佩戴检测中检测任务的实时性,同时具有较高的检测准确率。
引用
收藏
页码：213 / 220
页数：8
相关论文