基于卷积神经网络的行人安全帽自动识别

针对传统基于人脸的安全帽识别方法存在识别精度波动大、易受环境干扰等问题,本文提出了一种基于卷积神经网络的行人安全帽自动识别方法。该方法首先构建多层卷积神经网络实现行人检测,并加入批量归一化算法提高检测效果和训练速度,然后对行人区域做HSV颜色空间变换,提取出符合安全帽颜色的区域块,再对图像做圆Hough变换,检测区域图像中是否包含圆,从而实现安全帽的自动检测。该方法准确率高达99.52%,安全帽检测准确率为85.19%,基本满足需求。