基于改进Tiny-yolov3算法的安全帽佩戴检测

摘要

针对深度学习方法在视觉上检测安全帽佩戴过程中存在对施工人员等小目标漏检率高和实际中需达到实时监测的要求,提出一种改进的目标检测模型.首先,在该算法的原网络上加入残差网络模块,使得小目标的特征不会随着网络的加深而导致梯度消失的情况,且能更好地改善对小目标的漏检率高的问题.然后,对损失函数与筛选预测框进行了优化.理论分析与结果表明:与原算法相比,改进后算法的识别准确率提高了4.6％,召回率提高了3.9％,平均精确率均值提高了4.1％,帧率达63帧/s.可见提出的改进算法能更好地提取小目标特征,同时也减少了边界框位置误差.