文献类型：期刊文章

作　　者：许凯[1] 邓超[1]

Xu Kai;Deng Chao(School of Physics&Electronic Information Engineering,Henan Polytechnic University,Jiaozuo,Henan 454003,China)

机构地区：[1]河南理工大学物理与电子信息学院,河南焦作454003

出　　处：《激光与光电子学进展》

基　　金：河南省重点研发与推广专项(科技攻关)(202102310560);淮阴工学院重点实验室开放课题(JSLERS-2018-005);河南省高校基本科研业务费专项资金资助(NSFRF180411)。

年　　份：2021

卷　　号：58

期　　号：6

起止页码：292-299

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对传统安全帽佩戴识别算法检测精度低、鲁棒性差的问题,提出了一种基于深度学习的安全帽佩戴检测方法。该方法以YOLOv3检测算法为基础,对其网络结构和损失函数加以改进。首先,通过增加特征图弥补原YOLOv3算法对小目标检测效果不佳的问题;然后在增加特征图的基础上,使用K-means聚类算法对收集的安全帽数据集进行聚类,选择出合适的先验锚框;最后,采用GIoU Loss作为边界框损失,在损失函数中加入Focal Loss,减少正负样本不均衡带来的误差。实验结果表明,相较于YOLOv3检测算法,改进后的算法在平均精确率上提高了3.47%,在安全帽识别精确率上提高了4.23%,在安全帽识别上具有一定的先进性和有效性。

关 键 词：机器视觉 目标检测 YOLOv3  安全帽检测  K-MEANS算法

分 类 号：TP391.4]