目标检测算法用于安全帽佩戴检测

周 丽
成都锦城学院

摘要

在复杂工地场景中,为保证施工人员的人身安全,常常要求佩戴安全帽。以往靠人工监督的方法,不仅消
耗人力资源,且易出现漏检、误检等情况。因此,本文采用深度学习的 YOLO目标检测算法,基于网络公开安全帽
数据集,对算法的预训练模型进行微调,分两阶段迁移学习。最终由实验结果可知,该方法能得到的准确度更高的
模型,进而实现工地场景中的安全帽佩戴检测。

关键词

目标检测;YOLO;安全帽检测;迁移学习

参考

[1] 李天宇，李栋，陈明举，吴浩，刘益岑 . 一种高

精度的卷积神经网络安全帽检测方法 [J]. 液晶与显示，

2021，36（07）：1018-1026.

[2] 张勇，吴孔平，高凯，杨旭 . 基于改进型 YOLOV3

安全帽检测方法的研究 [J]. 计算机仿真，2021，38（05）：

413-417.

[3] 王 成 龙， 赵 倩， 郭 彤 . 基 于 面 部 特 征 的 深 度 学

习安全帽检测 [J]. 上海电力大学学报，2021，37（03）：

303-307.