基于注意力机制与并行空洞卷积的安全帽检测算法

成果编号：39868

价格：面议

完成单位：南邮宽带无线通信技术教育部工程研究中心

单位类别：企业

完成时间：2022年

成熟程度：研制阶段

服务产业领域：其他

我要对接关注发送消息

发布人：江苏省生产力促进中心创新管理与高新技术服务处在线

发送消息

在建筑工地、矿区、电力及化工等作业区域，高空坠物的事件时常发生，要求作业人员佩戴安全帽以保证安全。但是心存侥幸、风险意识不强的施工人员不按照要求佩戴安全帽，导致重大的安全事故，造成严重的损失，所以实时监测施工人员是否佩戴安全帽是非常重要的。是否佩戴安全帽的检测是一种目标检测问题，从某种程度上，安全帽的检测属于中小尺度的目标检测，存在一定的难度。本成果针对安全帽的检测，采用特征反卷积与特征自适应融合、多尺度感知、非极大值抑制、注意力机制以及结合特征金字塔设计有效的锚框分配策略等进行小目标的检测，并且提供一种包括处理器以及存储介质的安全帽佩戴检测装置。实验证明，在安全帽检测数据集 GDUT-HWD 上，该算法取得了不错的检测效果。

58 次浏览分享到

成果介绍

科技计划：

成果形式：其他

合作方式：其他

参与活动：

专利情况：未申请专利

成果简介

综合介绍

创新要点

安全帽佩戴检测算法可以广泛应用于各个建筑工地、电力行业、煤矿行业、石化行等领域实现安全生产管理，主要应用的场景是在建筑工地、地铁建设、石油生产、化工厂、矿山生产区等各个通道入口和生产区域对工人的安全帽佩戴检测实时预警。协助管理人员进行安全生产管理，减少由于未佩戴安全帽的危险行为而引起的安全生产事故。目前有很多算法可以实现对安全帽的自动检测，同时准确率高，但大部分都是大型复杂网络，需要足够的算力支持。考虑到在实际的检测场景中，要求将算法部署在移动端或者嵌入式设备上，而移动端的计算能力进不如计算机等大型设备，不足以支撑大型神经网络所需的计算，而本算法可以嵌入到提供的安全帽佩戴检测装置中，正好体现了这一优势。

技术指标

作为计算机视觉的一个重要分支，目标检测的任务是在一幅图像或视频中找到目标类别以及目标位置。在人脸识别和自动驾驶领域目标检测取得了非常显著的效果，经典的检测模型有YOLO 系列算法、 SSD 和Faster RCNN, 均在不同的场景下得到了广泛的应用。

其他说明

完成人信息

姓名：对接成功后可查看

所在部门：对接成功后可查看

职务：对接成功后可查看

职称：对接成功后可查看

手机：对接成功后可查看

E-mail：对接成功后可查看

电话：对接成功后可查看

传真：对接成功后可查看

邮编：对接成功后可查看

通讯地址：对接成功后可查看

联系人信息