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。
资料为PDF文档格式.
本文档关键词:安全帽,算法,改进,YOLOv4
