文献类型：期刊文章

作　　者：郑晓[1] 王淑琴[2] 张文聪[1] 郑京瑞[1] 周游[1]

ZHENG Xiao;WANG Shu-Qin;ZHANG Wen-Cong;ZHENG Jing-Rui;ZHOU You(School of Software Engineering,Tianjin Normal University,Tianjin 300387,China;School of Computer and Information Engineering,Tianjin Normal University,Tianjin 300387,China)

机构地区：[1]天津师范大学软件学院,天津300387 [2]天津师范大学计算机与信息工程学院,天津300387

出　　处：《计算机系统应用》

基　　金：国家自然科学基金(61070089);天津市应用基础与前沿技术研究计划(15JCYBJC4600,19JCZDJC35100);天津市级大学生创新创业训练计划(202010065043)。

年　　份：2021

卷　　号：30

期　　号：11

起止页码：118-126

语　　种：中文

收录情况：IC、ZGKJHX、普通刊

摘　　要：在工程现场因不佩戴安全帽导致的悲剧时有发生,为了协助工程现场管理人员保障工人的人身安全,本文设计实现了一种基于深度学习的安全帽智能监管系统.该系统采用集速度和精度为一体的YOLOv4目标检测模型,在数据集上使用K-means算法聚类分析生成新的先验框,并使用新的先验框进行训练,将安全帽的检测精度提高至92%;将检测模型YOLOv4与跟踪模型DeepSORT相结合,有效解决重复警告和无法对违规数据进行统计的问题;最终制作成跨平台移动APP,方便管理人员使用移动端随时随地监管安全帽佩戴情况.本系统是一套集安全帽检测、检测视频实时直播、智能警告、违规图片抓取并展示,违规数据可视化等功能为一体的安全帽智能监管系统,它的使用能够大大提高工程现场的生产安全系数和监管效率.

关 键 词：安全帽检测  跨平台移动APP  YOLOv4检测算法  K-MEANS算法 DeepSORT跟踪算法  

分 类 号：TU714] TP18] TS941.731.8] TP391.41]