基于深度学习的安全帽佩戴检测与跟踪

摘要：

为了解决传统施工现场安全管理的弊端,减少因施工人员未佩戴安全帽造成的人员伤亡,本文提出一种基于深度学习的安全帽佩戴检测与跟踪方法.首先通过深度学习YOLOv3目标检测网络实现安全帽佩戴检测,进一步运用卡尔曼滤波器和KM算法实现多目标跟踪与计数.复杂施工现场的测试结果表明:网络模型的检测速度可达45 fps,平均精确度为93％,且未佩戴安全帽的查准率和查全率分别为97％和95％,基本能够实现安全帽佩戴情况的实时检测.

关键词：安全帽、目标检测、目标跟踪、YOLOv3网络、K-means++聚类、卡尔曼滤波、KM算法

分类号：TU714;TP391.41(建筑施工)

资助基金：国家自然科学基金资助项目;江苏省自然科学基金资助项目

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6