一种高精度的卷积神经网络安全帽检测方法

李天宇，李 栋，陈明举*，吴 浩，刘益岑

(1.四川轻化工大学 人工智能四川省重点实验室，四川 宜宾 644000；2.国网四川省电力公司电力研究院，四川 成都 610000)

1 引 言

在施工环境中，施工人员佩戴安全帽可以有效避免或减小安全事故的伤害。通过人工巡检监控视频实现安全帽佩戴检测费时费力，且容易造成误检和漏检。利用机器视觉技术对施工现场工作人员是否佩戴安全帽进行检测，可有效地代替人工巡检，提高识别的精度，避免安全事故的发生。

传统的安全帽检测主要通过对监测视频进行目标检测，提取目标的几何、颜色等特征进行对比识别。刘晓慧等人[1]利用肤色检测实现人头区域的定位，再采用SVM分类器对安全帽的Hu矩特征进行识别；周艳青等人[2]将人头区域的统计特征、局部二进制模式特征和主成分特征训练分类器，建立了多特征的安全帽检测算法；贾峻苏等人[3]结合局部二值模式直方图、梯度直方图和颜色特征，利用SVM对安全帽进行检测。基于目标图像特征提取的传统检测方法，泛化能力较差[4]，而实际施工环境复杂多样，通常存在雨雾、遮挡等的影响。因此，基于目标图像特征提取的传统检测方法检测能力有限。

近年来，基于深度学习的目标检测技术能够利用卷积网络自动学习大样本数据有用的特征，建立的检测网络模型泛化能力较强，有效地实现了特殊环境下的安全帽识别。基于深度学习的目标检测技术主要为基于区域建议和基于回归策略的目标检测网络。……