文献类型：期刊文章

作　　者：徐守坤[1] 王雅如[1] 顾玉宛[1] 李宁[1,2] 庄丽华[1] 石林[1]

Xu Shoukun;Wang Yaru;Gu Yuwan;Li Ning;Zhuang Lihua;Shi Lin(School of Information Science&Engineering,School of Mathematics&Physics,Changzhou University,Changzhou Jiangsu 213164,China;Fujian Provincial Key Laboratory of Information Processing&Intelligent Control,Minjiang College,Fuzhou 350108,China)

机构地区：[1]常州大学信息科学与工程学院数理学院,江苏常州213164 [2]闽江学院福建省信息处理与智能控制重点实验室,福州350108

出　　处：《计算机应用研究》

基　　金：国家自然科学基金应急管理项目(61640211);2016年度省第五期“333工程”科研资助项目。

年　　份：2020

卷　　号：37

期　　号：3

起止页码：901-905

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、EBSCO、IC、JST、PROQUEST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题,提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性,并引入防止正负样本不均衡的在线困难样本挖掘策略,然后对检测出的佩戴安全帽工人和安全帽等采用多部件结合方法剔除误检目标。实验表明,相比于原始Faster RCNN,检测准确率提高了7%,对环境的适应性更强。

关 键 词：安全帽佩戴检测  FASTER RCNN  多尺度训练  在线困难样本挖掘  多部件结合  

分 类 号：TP391.41]