改进YOLOv5s算法的安全帽佩戴检测研究.pdfVIP

1762023，59（14）ComputerEngineeringandApplications计算机工程与应用

改进YOLOv5s算法的安全帽佩戴检测研究

1，21，2

祁泽政，徐银霞

1.武汉工程大学计算机科学与工程学院，武汉430205

2.武汉工程大学智能机器人湖北省重点实验室，武汉430205

摘要：针对安全帽佩戴检测在背景复杂、密集小目标等场景下的漏检、误检问题，基于YOLOv5s提出了一种适用

于安全帽佩戴检测的改进算法。采用串联形式的混合池化优化空间金字塔池化（spatialpyramidpooling，SPP）模

块，增强特征提取与特征表达，降低误检率；增加浅层输出加强深层特征图中目标位置信息的表达，提高小目标安全

帽佩戴检测的性能；在切片模块中嵌入坐标注意力机制（coordinateattention，CA）扩大感受野，加强位置信息与安全

帽特征的关联程度，提高安全帽目标检测的准确率。实验结果表明，改进算法的mAP达到了93.50%，比YOLOv5s、

YOLOX算法分别提高了4.28、5.14个百分点，达到了复杂背景下检测小目标和密集目标的要求。

关键词：YOLOv5s；深度学习；目标检测；人工智能；安全帽识别

文献标志码：A中图分类号：TP391.41doi：10.3778/j.issn.1002-8331.2303-0284

ResearchonHelmetWearingDetectionofImprovedYOLOv5sAlgorithm

QIZezheng1，2,XUYinxia1，2

1.SchoolofComputerScienceandEngineering,WuhanInstituteofTechnology,Wuhan430205,China

2.HubeiKeyLaboratoryofIntelligentRobot,WuhanInstituteofTechnology,Wuhan430205,China

Abstract：Aimingattheproblemofmisseddetectionandfalsedetectioninscenariossuchascomplexbackgroundand

densesmalltargets,animprovedalgorithmsuitableforsafetyhelmetwearingdetectionisproposedbasedonYOLOv5s.

Firstly,thehybridpoolingintandemformisusedtooptimizethespatialpyramidpooling（SPP）moduletoenhancefea-

tureextractionandfeatureexpressionandreducethefalsedetectionrate.Then,theshallowoutputisaddedtostrengthen

theexpressionoftargetpositioninformationinthedeepfeaturemap,andimprovetheperformanceofsmalltargetsafety

helmetwearingdetection.Finally,thecoordinateattentionmechanism（CA）isembeddedintheslicemoduletoexpand

thereceptivefield,strengthenthecorrelationbetweenpositioninformationandsafetyhelmetfeatures,andimprovetheaccu-

racyofsafetyhelmettargetdetection.ExperimentalresultsshowthatthemAPoftheimprovedalgorithmrea