文献类型：期刊文章

作　　者：施辉[1] 陈先桥[1] 杨英[1]

SHI Hui;CHEN Xianqiao;YANG Ying(College of Computer Science and Technology, Wuhan University of Technology, Wuhan 430063, China)

机构地区：[1]武汉理工大学计算机科学与技术学院

出　　处：《计算机工程与应用》

基　　金：国家重点研发计划项目(No.2018YFC0810400)

年　　份：2019

卷　　号：55

期　　号：11

起止页码：213-220

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

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。

关 键 词：图像处理 深度学习  YOLO  V3 安全帽佩戴检测  

分 类 号：TP391.41]