复杂场景下的安全帽佩戴检测算法

摘要：

针对工地场景错综复杂,监控画面噪声多且模糊等问题,提出了在复杂场景下的改进版 YOLOv5 的安全帽检测算法.通过网络爬虫、实地采集等方法收集了 9 256 张工地的复杂场景下的照片,并使用 labelImg 进行标注;设计了ECA H通道注意力,添加到BackBone的C3 模块和SPPF模块之间,获取图像的通道细节信息.通过对比实验显示,改进后的模型在复杂场景下识别检测安全帽的准确率(Precision)提升了 1.2%,召回率(Recall)提升了 2.9%,mAP0.5 提升了 1.8%,mAP0.5-0.95 提升了 5.2%.可见,改进后的模型在复杂场景下检测是否佩戴安全帽的性能有所提升.

关键词：YOLOv5、ECA、复杂场景、安全帽检测

所属期刊栏目：49

分类号：TN971

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：640-646