安防監(jiān)控中的安全帽檢測方法

吳衛(wèi)紅

（衢州市宇創(chuàng)數(shù)碼科技有限公司 浙江省衢州市 324002）

在監(jiān)控領(lǐng)域，安全帽作為一種有效的防護工具，已應用于各類生產(chǎn)現(xiàn)場，但由于監(jiān)督和審核不到位的原因，不戴安全帽造成的事故時有發(fā)生。因此，實現(xiàn)頭盔佩戴檢測對于保護生產(chǎn)現(xiàn)場員工的生命安全具有重要意義。

近年來，目標檢測算法已成為計算機視覺研究領(lǐng)域的一個重要研究熱點。基于深度學習的目標檢測方法有兩種類型：一種是基于候選區(qū)域的二階段目標檢測算法如Faster RCNN 等[1]，首先生成候選區(qū)域，然后對候選區(qū)域進行分類和回歸操作；另一個是基于一階段的方法，如YOLO v3[2]和SSD[3]，它只使用一個CNN 網(wǎng)絡直接預測不同目標的位置，與Faster RCNN 算法相比，YOLO 可以實現(xiàn)實時檢測速度，但精度相對較低。

張等[4]使用 Faster RCNN 對安全帽進行識別，獲得了較高精度，但在實時目標檢測上，由于速度較慢，并不十分適合，為了能良好地應用在實時檢測上，王等[5]改進了GIOU 計算方法，通過結(jié)合YOLOv3 對安全帽進行檢測，在原來基礎上提高了2.07%的精度。施等[6]在YOLOv3 中添加特征金字塔進行多尺度的特征提取，獲得不同尺度的特征圖，以此實現(xiàn)安全帽的檢測，取得了很好的結(jié)果, Huang 等[7]針對安全頭盔的檢測，在YOLO v3 上進行改進，與原始算法相比，F(xiàn)PS 增加了3f/s。

深度殘差網(wǎng)絡(ResNet)[8]是何凱明團隊提出的一種卷積神經(jīng)網(wǎng)絡,該網(wǎng)絡贏得了當年圖像分類的第1 名。ResNet 使用了殘差單元，不但減少了參數(shù)數(shù)量，還增加了CNN 學習特征的能力，參數(shù)少，層數(shù)深和分類效果優(yōu)秀等特點使得ResNet 成為常被使用的網(wǎng)絡之一。

注意力機制可以將模型的不同部分賦予不同的權(quán)重，從而提取出更多關(guān)鍵的和更具區(qū)分性的信息，使模型具有更高的精度，它將空間或通道重要性引入由卷積神經(jīng)網(wǎng)絡 (CNN) 提取的特征圖，這有助于關(guān)注感興趣目標的特征屬性。因此，應用注意力機制有助于通過抑制不必要的細節(jié)和增強有用的特征來提高 CNN 的表示能力。

Srinivas 等[9]提出了一種將自注意力機制融入ResNet50 的方法，并將其命名為BotNet50，在一些公開數(shù)據(jù)集的圖像分類上取得很好的效果，但此法還并未在安全帽檢測上有過應用。因此本文基于目前表現(xiàn)較好的YOLO v3 算法，采用BotNet50 進行特征提取，同時在構(gòu)建的安全帽數(shù)據(jù)集上進行訓練，所獲得的模型能有效地進行檢測和識別。

1 算法結(jié)構(gòu)

YOLO 將區(qū)域建議網(wǎng)絡(RPN)分支和分類階段劃分為一個網(wǎng)絡，具有更簡潔的體系結(jié)構(gòu)、高計算速度和更好的計算能力，使其成為實時檢測的真正意義。YOLO 模型直接使用單個前饋網(wǎng)絡預測邊界框及其相應的類，并與之前基于在兩階段中執(zhí)行檢測的檢測器進行比較。YOLOv2 是YOLO 的第二個版本，其目的是顯著提高精度，同時使其更快。引入YOLOv2 的檢測錨的想法受到了faster rcnn 的啟發(fā)。錨提高檢測精度，簡化問題，簡化網(wǎng)絡的學習過程。同時，將批歸一化添加到卷積層中，提高了精度。與YOLO 相比，YOLOv2 顯著改善了定位精度和召回率。YOLOv3 成為了在YOLO和YOLOv2 上更為先進的目標檢測版本。YOLOv3 使用多標簽分類，對每個標簽使用二進制交叉熵損失，而不是在計算分類損失時使用均方誤差，YOLOv3 預測了三個不同尺度上的物體，使用邏輯回歸每個邊界框的分數(shù)。

表1：BotNet50 網(wǎng)絡結(jié)構(gòu)

表2：設備信息

表3：不同網(wǎng)絡下的準確率

本文使用了一種基于YOLOv3-BotNet50 的檢測模型, 用ResNet50 替換了Darknet53 模型，并將ResNet50 中最后三個瓶頸模塊用全局自注意力替換空間卷積，形成了新的ResNet50-attention模型，具體的如表1 所示。

從表1 中，可以得知，修改后的ResNet50 僅僅使用MHSA 替換卷積層，一個ResNet50 通常包括[c2,c3,c4,c5]階段，它們對應了的步長為[4,8,16,32]，并由多個瓶頸塊與殘余的連接器組成。MHAS[10]由Vaswani 等提出，由圖1 表示。

圖1：MHSA 結(jié)構(gòu)

如圖1 所示，自注意力機制在二維特征圖上執(zhí)行, 相對的位置編碼高度和寬度分別由Rh 和Rw 表示；注意力對數(shù)(attention logits)表示為qkT+qrT，其中，q，r，t分別表示查詢(query)，鍵值（key），位置編碼(position encodings)，⊕和?表示矩陣中元素的加法和乘法，1×1 表示進行逐點卷積（pointwise convolution）；H，W，d 分別表示高度，寬度和深度。

2 實驗結(jié)果

本文使用自制的實際場景下的數(shù)據(jù)集，利用監(jiān)控設備處采集圖像，共計432 張銹蝕圖像，按3：1 的比例劃分為訓練集和測試集，并利用LabelImg 標注軟件對數(shù)據(jù)集進行標定，然后按照 COCO 格式建立標準的數(shù)據(jù)集，在實驗時，隨機劃分多次取平均值。使用的評價指標采用COCO 數(shù)據(jù)集的評價指標，即平均準確率(Average Precision，AP)。

本文實驗使用的開發(fā)平臺為Ubuntu 16.0，平臺配置見表2 所列。

實驗中的Batchsize 設置為1。梯度的優(yōu)化算法為Adagrad，初始的學習率為0.005，之后在訓練到40000 次時學習率衰減為0.001。實驗中的測試結(jié)果如表3 所示。

從表3 中可以發(fā)現(xiàn)，本文使用的YOLOv3-BotNet50 具有良好的性能，相比與faster rcnn，在準確率并未降低太多時就降低了約80%的檢測時間，最終也達到了96.2%的準確率，能很好地用于實際場景中的安全帽檢測。

圖2 展示了實際場景中的效果，從中可以發(fā)現(xiàn)，盡管出現(xiàn)了重疊區(qū)域，但仍然能夠較好地被檢測出來。

圖2：檢測效果圖

3 結(jié)論

本文針對變電站安全帽檢測場景，提出一種改進后的YOLOv3檢測算法，該方法通過結(jié)合yolov3 本身的特性，能夠滿足多尺度場景下的目標檢測，引入注意力機制，從而使得在重要位置的特征提取更加有效，使用從正常環(huán)境條件下獲得的安全帽數(shù)據(jù)集能夠最大程度的滿足度學習的測試與訓練場景的相對關(guān)系，經(jīng)過實驗發(fā)現(xiàn)，改進后的模型在識別效果上超過了原始的模型。在以后將使用更加優(yōu)秀的網(wǎng)絡結(jié)構(gòu)，解決其他復雜場景中的安全帽檢測。