Mining safety helmet wearing detection based on convolutional neural network
-
摘要: 传统的安全帽佩戴检测方式存在浪费人力、环境适应性差等问题，同时，实际应用中的安全帽佩戴检测需结合人体检测来进行，只有检测出戴在头上的安全帽才算符合要求，因此，需要先找出监控图像或画面中煤矿工作人员的人脸位置，再根据人脸的位置识别出人脸上方的安全帽。提出了一种基于卷积神经网络的矿用安全帽佩戴检测模型：基于Faster R-CNN网络进行改进，将VGG16作为特征提取的主干网络；为了更好地对重叠目标进行检测，使用Soft NMS方法代替原本的NMS算法对冗余的候选框进行删除，构建了符合煤矿生产需求的安全帽佩戴检测模型。实验结果表明，提出的模型算法在平均检测精度上明显优于其他现有检测算法；在召回率方面，提出的模型算法比Faster R-CNN高出3%,查全效果明显提高；与原Faster R-CNN算法相比，模型运算速度提升了23帧/s。相较其他模型，提出的模型在检测精度、运算速度上均取得良好效果，满足煤矿智能化建设所要求的部署与应用要求。
-
关键词:
- 安全帽检测 /
- 卷积神经网络 /
- Faster R-CNN /
- 煤矿安全 /
- 目标检测
-
-
[1] 杜青, 杨仕教, 郭钦鹏, 等.地下矿山作业人员佩戴安全帽智能检测方法[J].工矿自动化, 2023, 49(7):134-140. [2] 王国法, 杜毅博, 任怀伟, 等.智能化煤矿顶层设计研究与实践[J].煤炭学报, 2020, 45(6):1909-1924. [3] 王国法.煤矿智能化最新技术进展与问题探讨[J].煤炭科学技术, 2022, 50(1):1-27. [4] 程德强, 寇旗旗, 江鹤, 等.全矿井智能视频分析关键技术综述[J].工矿自动化, 2023, 49(11):1-21. [5] 贾峻苏, 鲍庆洁, 唐慧明.基于可变形部件模型的安全头盔佩戴检测[J].计算机应用研究, 2016, 33(3):953-956. [6] PARK M W, ELSAFTY N, ZHU Zhenhua.Hardhat-wearing detection for enhancing on-site safety of construction workers[J].Journal of Construction Engineering and Management, 2015, 141(9).DOI: 10.1061/(ASCE)CO.1943-7862.0000974.
[7] GU Yuwan, WANG Yusheng, SHI Lin, et al.Automatic detection of safety helmet wearing based on head region location[J].IET Image Processing, 2021, 15(11):2441-2453.
[8] GIRSHICK R B, DONAHUE J, DARRELL T, et al.Rich feature hierarchies for accurate object detection and semantic segmentation[J].CoRR, 2013, abs/1311.2524.
[9] GIRSHICK R.Fast R-CNN[J].Computer Science, 2015:1440-1448.
[10] REN Shaoqing, HE Kaiming, GIRSHICK R, et al.Faster R-CNN:towards real-time object detection with region proposal networks[J].IEEE Transactions on Pattern Analysis & Machine Intelligence, 2017, 39(6):1137-1149.
[11] DAI Jifeng, LI Yi, HE Kaiming, et al.R-FCN:object detection via region-based fully convolutional networks[J].CoRR, 2016, abs/1605.06409.
[12] REDMON J, DIVVALA S, GIRSHICK R, et al.You Only Look Once:unified, real-time object detection[J].CoRR, 2015, abs/1506.02640.
[13] 唐聪, 凌永顺, 郑科栋, 等.基于深度学习的多视窗SSD目标检测方法[J].红外与激光工程, 2018, 47(1):302-310. [14] 徐守坤, 王雅如, 顾玉宛.基于改进区域卷积神经网络的安全帽佩戴检测[J].计算机工程与设计, 2020, 41(5):1385-1389. [15] 李天宇, 李栋, 陈明举, 等.一种高精度的卷积神经网络安全帽检测方法[J].液晶与显示, 2021, 36(7):1018-1026. [16] 张春堂, 管利聪.基于SSD-MobileNet的矿工安保穿戴设备检测系统[J].工矿自动化, 2019, 45(6):96-100. [17] 李忠飞, 冯仕咏, 郭骏, 等.融合坐标注意力与多尺度特征的轻量级安全帽佩戴检测[J].工矿自动化, 2023, 49(11):151-159. [18] 刘赟.ReLU激活函数下卷积神经网络的不同类型噪声增益研究[D].南京:南京邮电大学, 2023. [19] KONIG D, ADAM M, JARVERS C, et al.Fully convolutional region proposal networks for multispectral person detection[J].IEEE, 2017.DOI: 10.1109/CVPRW.2017.36.
[20] ROSARIO B L, WEISSFELD L A, LAYMON C M, et al.Inter-rater reliability of manual and automated region-of-interest delineation for PiB PET[J].Neuroimage, 2011, 55(3):933-941.
[21] 赵云龙, 田生祥, 李岩, 等.基于注意力模型和Soft-NMS的输电线路小目标检测方法[J].电子科技大学学报, 2023, 52(6):906-914. [22] REZATOFIGHI H, TSOI N, GWAK J Y, et al.Generalized intersection over union:a metric and a loss for bounding box regression[C].2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition, Los Angeles, 2019.
计量
- 文章访问数: 2
- HTML全文浏览量: 0
- PDF下载量: 0
下载:
