YOLOV3算法的安全帽检测  

作　　者：张占康 

机构地区：[1]安徽理工大学电气与信息工程学院

出　　处：《电子世界》2021年第16期37-38,共2页Electronics World

基　　金：国家重点研发计划项目(2018YFF0301000);安徽省高校省级自然科学研究项目(KJ2019ZD12)。

摘　　要：在工地实际施工中,由于工人未佩戴安全帽而时常发生安全事故,基于此现象提出了一种基于YOLOV3的安全帽检测算法。实验结果表明:YOLOV3算法对佩戴安全帽的准确率达到90.6%,对未佩戴安全帽的准确率达到89.5%,检测速率为23fps。中国作为基建大国,建筑业事故持续保持在高位,安全帽作为保障工人生命安全的重要保障,务必确保每个工人都佩戴安全帽,但是实际作业时不佩戴安全帽的违规行为时有发生,因此需要对是否佩戴安全帽进行检测。目前针对安全帽的检测分为两大类,一类是传统的机器学习算法,但是传统的机器学习难以在大数据集上训练,精度不高。另一类是深度学习的算法,如R-CNN、Fast R-CNN识别准确度虽有提升,但是其网络结构复杂、内存占用大、检测速度慢。

关 键 词：安全帽 安全事故 机器学习算法 深度学习 内存占用 网络结构 大数据集 违规行为 

分 类 号：X92[环境科学与工程—安全科学]