改进YOLOv3的实时性视频安全帽佩戴检测算法

被引：4

作者：

黄林泉

蒋良卫

高晓峰

机构：

[1] 南华大学计算机学院

来源：

现代计算机 | 2020年 / 30期

关键词：

安全帽佩戴检测; 残差网络; 特征融合; 目标跟踪; 实时;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算]; TU714 [安全管理];

学科分类号：

080203 ;

摘要：

生产安全事故频繁发生,佩戴安全帽可以有效避免人员伤亡。提出一种在自然场景下是否佩戴安全帽的检测方法,对YOLOv3算法进行改进。使用ResNeXt50作为新的特征提取网络结合CSP Net中的梯度分流截断思想提高算法的特征表达能力,融合SPP Net和PA Net提高算法特征融合的质量,使用CIoU优化损失函数。并且结合DeepSort目标跟踪技术提高算法实时性。在SHMD安全帽数据集上进行验证,算法平均准确率达到96.80%,较原算法提升12%,且运行速率达到32帧/s。在多种场景下,都具有较好的检测效果。

引用

页码：32 / 38+43 +43

页数：8