一種用于安全帽檢測場景的深度學習算法

江漢大學人工智能學院 關雅琪 侯 群

為了保證建筑工地施工人員的安全，要求佩戴安全帽。目前對安全帽佩戴的監督與檢測大多采用深度學習的方法訓練模型。為了使訓練的模型達到實時檢測的速度和精度需求，本文在進行了YOLO系列算法對比試驗后，提出了一種采用改進的YOLO v5模型的安全帽佩戴檢測方法，該方法對原始 YOLO v5模型進行輸入尺寸、初始候選框的調整以及損失函數的改進，使YOLO v5模型更適用于安全帽佩戴的實時識別。

1 YOLO系列算法

本文研究的安全帽檢測算法旨在解決施工場地的安全問題，實際情況具有環境復雜、人流量大以及天氣多變等問題，并且需要滿足實時檢測的速度和精度要求，傳統的目標檢測算法很難做到，目前在ResNet，Faster-RCNN等模型上訓練速度更快的網絡有YOLO系列算法。

1.1 YOLO v3算法

YOLO v3借助特征金字塔網絡(FPN)的多尺度特征融合思想，將3種不同尺度的特征圖融合之后單獨輸出，分別進行目標檢測，加強算法對小目標檢測的精確度。YOLO v3的整體網絡框架主要包括兩個部分，第一部分為Darkent-53特征提取網絡，第二部分為以Darknet-5為基礎進行3次采樣輸出。

1.2 YOLO v5算法

YOLO v5的識別模型能夠在保證實時檢測的速度下兼顧較高的精度，按照網絡深度大小和特征圖寬度大小分為YOLO v5s、YOLO v5m、YOLO v5l、YOLO v5，本文采用了YOLOv5s作為使用模型。YOLO v5的網絡結構包含四個部分，分別是Input Sector,Backbone Sector,Neck Sector,Prediction Sector。

2 改進的YOLO v5模型

雖然YOLO v5具有檢測速率快，檢測精度高的優點，但是為了使得訓練的模型更好的符合實時檢測的需求，需要對原始的YOLO v5進行優化，不斷調整超參數來得到更優的模型。

2.1 安全帽佩戴識別流程

進行安全帽佩戴識別時，首先利用YOLO v5自帶的目標檢測權重，對人進行定位。使用人臉檢測模塊對輸入的圖像進行人臉識別并標記，然后使用安全帽佩戴識別模塊對檢測到的人臉區域裁剪出人臉區域子圖像，對其以佩戴安全帽和沒有佩戴安全帽為分組依據進行圖像二分類，最后得到是否佩戴安全帽的圖像識別結果。

2.2 anchor box的改進

YOLO v5訓練階段和預測階段都會使用anchor box：訓練階段第一步是進行一系列卷積和池化，預先標注好的預測框需要在feature map層找到，計算這個預測框與真實框之間的偏差和損失，用anchor box去擬合真實的邊框位置和大小是訓練的最終目的。預測階段需要先在整體圖像上得到多個anchor box，之后再根據得到的安全帽檢測模型的參數進行anchor box的類別以及偏移量的預測來得到邊界框的最終預測值。

anchor box的取值直接影響到目標識別的速度和目標框位置的精度，因此需要根據自身數據集調整最優的anchor box。本文對訓練集中標記目標框的高度和寬度大小進行聚類分析，主要運用的是K-Means聚類算法，根據YOLO v5模型網絡結構的特點，找到9個聚類中心的寬高維度作為.config文件中anchor這個參數的取值，基于開源的安全帽數據集Safety-Helmet-Wearing-dataset聚類得出的Best Anchors=[[14.74,27.64],[23.48,46.04],[28.88,130.0],[39.33,148.07],[52.62,186.18],[62.33,279.11],[85.19,237.87],[88.0,360.89],[145.33,514.67]]。

2.3 損失函數的選擇

采用GIOU_Loss做Bounding box的損失函數，可以克服IOU無法直接優化沒有重疊的部分的問題，在目標檢測的后處理過程中，保留一個最優的框并抑制那些冗余的框。GIOU的計算表達式如(1)所示，設M，N為兩個檢測框，X為最小的封閉形狀，但X包含M，N，計算X沒有包含M，N的面積占x的比值，最后用M，N的IOU減去比值。

GIOU解決了IOU兩框不重合的問題，無論M，N兩個框距離多遠，只是兩框不重合的值越大，GIOU越趨向于-1。GIOU是IOU減去一個值所得到的，這樣避免了兩個框不相交時Loss等于0的情況。GIOU具有可導的屬性，當IOU=0時，表達形式如式(2)所示：

2.4 超參數和優化器選擇

在實驗過程中需要對超參數進行不斷的調整和黑盒測試已達到符合當前數據集的最優模型，最終的各項參數數據具體如表1所示。

表1 超參數配置

優化器最終選用了隨機梯度下降法(SGD)，其中優化器的動量系數momentum設定為937×10-3，權重衰減系數設定為5×10-4。

3 對比實驗與數據分析

本文做了兩類對比實驗，并利用模型評估方法來客觀評估算法。

對比實驗一：如表2所示，分別利用原始的YOLO v3和YOLO v5深度學習算法，訓練同一個開源的安全帽數據集Safety-Helmet-Wearingdataset，實驗結果表明，YOLO v5算法訓練出來的模型除了體積更小，收斂更快之外，檢測速率、準確率相比YOLO v3的提升均非常顯著。

表2 YOLO v3和YOLO v5的對比實驗結果

對比實驗二：如表3所示，分別利用原始YOLO v5和改進后的YOLO v5深度學習算法，訓練同一個開源的安全帽數據集Safety-Helmet-Wearing-dataset，實驗結果表明，增加K-Means聚類改進anchor box和選用GIOU_Loss函數后改進的YOLO v5算法訓練出來的模型準確率相比原始的YOLO v5有一定的提升，并且提前了5個epoch收斂，準確率和mAP分別提升了3.9%和1.6%。

表3 改進后和原始的YOLO v5對比實驗結果

綜上所屬，YOLO v5在安全帽數據集上模型表現優勢顯著，并且在進行調整和優化后改進的檢測算法更能滿足安全帽實時檢測的速度和精度要求。

4 訓練結果分析

4.1 檢測結果分析

實驗中的測試集圖片的檢測結果如圖1所示。

圖1 模型測試結果

從檢測結果可以看出，該算法對圖像整體特征的提取比較全面，在檢測對象所處的環境十分復雜或者運動狀態下都可以準確地檢測出來。而且由各個柵格產生的bounding boxes在加權非極大值抑制的不斷迭代和篩選下，得到了與檢測對象最吻合的檢測框，當存在一定的遮擋，圖像清晰度很差和識別對象較多的條件下，算法還能準確的識別是否佩戴安全帽。本文選擇了準確性、召回率、平均精度的平均值以及調和平均值等來作為該模型中的評價指標。

4.2 實驗結果評估

用于安全帽佩戴識別的YOLOV5模型在訓練50個epoch后，按照上述選定的多項指標對訓練出的模型進行評估，評估結果如圖2所示。

圖2 模型評估結果

圖2展示了用于安全帽佩戴識別的YOLOv5模型的各項評估結果：模型達到收斂時經過了50個epoch，在模型訓練過程中，其準確率和召回率的提升十分穩定，模型達到飽和后，其準確率(Precision)可穩定保持在90%以上，召回率(Recall)可穩定保持在90%附近，平均精度均值與調和均值也保持較高水平。其中mAP指標能夠客觀反應算法的整體性能，通過試驗，得到了頭、安全帽和總體的mAP值。具體如表4所示。

表4 各項得分

在經過訓練之后，測試集上的mAP 達到了 90.1%，說明改進的算法在安全帽佩戴檢測上的表現優異。同時該模型在實際應用中識別速度較快，經測試采用GTX 2070顯卡時，識別速度可達37FPS，基本符合實時檢測的要求。YOLO v5模型體積較小只有14M，因此很容易在一些工業計算機中落地應用，能實時監督生產作業區域的工人是否佩戴安全帽。

本文提出了一種優化的YOLO v5模型的安全帽佩戴檢測算法。通過對比不同算法，改進anchor box、損失函數，調整網絡架構參數及優化器等方法得到改進的YOLO v5網絡，檢測速度和精度足以應用到安全帽實時檢測系統當中。實驗表明算法具有較好的穩定性和可靠性。