改进YOLOv4算法的安全帽检测

摘要：

传统的人工巡检和查看监控检测安全帽佩戴的方法容易造成漏检、误检,因此提出一种基于改进YOLOv4算法的安全帽检测方法.首先,采用百度AI Studio平台的公开安全帽数据集和网络爬虫收集数据,自制安全帽佩戴情况数据集;再使用Mosaci、图像翻转等多种数据增强算法丰富图像信息;引入K?means聚类更新锚框尺寸,空洞卷积扩大感受野和标签平滑防止模型过拟合,以提升中小物体检测性能.经实验验证,改进版YOLOv4算法较原始YOLOv4算法mAP提升了1.77％;与Faster RCNN相比mAP提升了4.13％,小物体目标检测效果mAP提升了12.71％,检测速度提升20倍.实例结果显示,改进版YOLOv4算法无漏检、误检情况,可准确检测出未佩戴安全帽的人员,有效减少了安全隐患.

关键词：安全帽佩戴检测;改进YOLOv4算法;锚框尺寸更新;感受野;标签平滑;实验分析

所属期刊栏目：45

分类号：TN911.73⁃34;TP391.41

资助基金：山西省自然科学基金201901D111092

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：103-110