基于改进YOLOv5的智慧交通电动车头盔佩戴识别系统

随着电动车的不断普及,电动车交通安全事件也不断增加,而当人们使用头盔时,可以有效降低事故发生受到的危险,于是公安部大力推行“一盔一带”活动,促使人们在骑行电动车时佩戴头盔,养成安全驾驶习惯。基于此,提出了一种基于YOLOv5改进的卷积神经网络模型的电动车头盔佩戴检测识别系统。通过对骑行人员佩戴头盔情况进行智能识别,并部署于嵌入式平台Jetson nano上,实时识别出骑行人员未佩戴头盔的行为,达到高效率监督监管。改进算法采取了Mosaic-9数据增强和目标框回归与跨网格匹配策略,实验表明:改进算法mAP达到96.8%,远高于原始的YOLOv5及传统的YOLOv4算法,证明改进后的YOLOv5卷积神经网络模型能提高检测准确度,而且能通过平台应用到实践当中。