基于深度学习的头盔佩戴自动检测

为加强巡检人员安全,基于深度学习算法,设计了一种头盔佩戴自动检测方法。在SSD300模型的基础上,使用数据增强技术,通过卷积层conv4_3进行检测,以增强对较小目标的识别精度;采用{1/2,2}和{1/3,3}的边框,通过适当调节边框提高检测效果;以VGG16作为基础网络,使用atrous卷积,进一步改善识别精度。将训练模型移植到CR1030P-YT便携式安卓智能通信系统,并与在服务器GPU、CPU上的检测结果和检测速率进行对比。实验结果表明,CR1030P-YT平台上的头盔佩戴检测结果与服务器一致,检测精度高达95%以上,且检测不受环境和地点的约束;服务器GPU上的头盔佩戴检测速率高达34 fps,能够满足工业实时性需要,但CR1030P-YT平台上的检测速率还有待提升。