施工现场小目标工人检测方法

利用施工现场监控视频或图像对工人进行精确检测,可为施工安全智能化管理提供基础支持。然而,较远的监控距离使得工人在画面中以小目标的形式出现,加之现场环境复杂多变,给工人检测带来了挑战。为此,本文提出了一种融合改进的YOLO模型与帧差法的小目标工人检测方法。一是通过改进YOLOv5模型对静态工人进行检测,即引入切片辅助推理(SAHI)获取小目标工人更清晰的特征,添加小目标检测头确保小目标对象特征的完整性,利用高效通道注意力机制(ECA)提高对小目标的检测效果;二是通过帧差法对图像特征较弱的运动工人进行检测,一定程度上弥补图像检测的不足。该方法在自建数据集上进行了验证,结果表明:改进后的YOLOv5模型F1-Score提升了11.3%,平均精确均值(mAP)提升了12.5%,而融合帧差法后的综合方法对小目标工人的检出率提高了3.6%,达到了84.2%,FPS达到6帧每秒,能更好地满足施工现场工人检测的需要。