计算机应用研究

作者：徐守坤,王雅如,顾玉宛,李宁,庄丽华,石林,

单位：1.常州大学信息科学与工程学院数理学院,江苏常州213164；2.闽江学院福建省信息处理与智能控制重点实验室,福州350108；

关键词：安全帽佩戴检测,FasterRCNN,多尺度训练,在线困难样本挖掘,多部件结合,

基金：国家自然科学基金应急管理项目(61640211)；2016年度省第五期“333工程”科研资助项目；；

针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题，提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性，并引入防止正负样本不均衡的在线困难样本挖掘策略，然后对检测出的佩戴安全帽工人和安全帽等采用多部件结合方法剔除误检目标。实验表明，相比于原始Faster RCNN，检测准确率提高了7%，对环境的适应性更强。

来源：2020年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第3期