基于深度學習的安全帽智能識別系統設計與實現

郭普特 鄭 斌 黃 敏 蘇 潔 李鋮杰 韋天健 劉 宇

（長沙理工大學計算機與通信工程學院,湖南 長沙 410114）

0 引言

建筑業是國民經濟的重要物質生產行業，它與整個國家的經濟發展和人民的生活質量息息相關，但近幾年來，建筑行業的安全事故一直呈現上升趨勢，究其原因，對安全帽的忽視是很重要的一個因素。正確佩戴安全帽能夠在一定程度上避免事故的發生，然而，工人不戴安全帽的不安全行為時有發生，主要原因是安全帽智能檢測系統市場的空缺，依靠安全管理人員監控來提醒工人佩戴安全帽，不光監控時效性差、監控范圍具有局限性以及無法全程監控等，還會導致人力成本的增加。

考慮到檢測現場作業人員安全帽佩戴情況的任務對實時性要求很高，團隊首先考慮了實時性強且準確度也可靠的YOLO系列模型。其中，YOLOX是該系列中性能最強大的模型版本，但YOLOX、YOLOv4和YOLOv5模型對邊緣設備的架構不具有廣泛的兼容性，考慮到這一點，本文研究采用工業制造最常用的 YOLOv3[7-9]檢測模型來實現檢測任務。YOLOv3(You Only Look Once V3)模型作為端到端目標檢測模型的代表，不僅具有良好的實時性，同時具有較高的準確性。本文基于YOLOv3模型設計了安全帽檢測算法，并通過PyQt5創建了可視化界面，實現了跨平臺功能的同時方便了遠程終端的智能監控，測試過程中視頻檢測的FPS基本保持在20以上，mAP達到86.7%（數據集由本團隊制作，測試集共1518張圖片，測試設備為Nvidia AGX Xavier）

1 系統架構

1.1 整體架構

基于深度學習安全帽智能識別系統可分為兩個子系統，分別為以目標檢測算法為主體的安全帽識別系統和以用戶操作為主體的智能終端交互系統?！?br>