鉴于安全帽佩戴检测的重要性，利用图像视觉和神经网络算法对安全帽佩戴情况进行检测一直是研究的热点，国内外许多学者已对此做了大量工作，RCNN系列、SSD和YOLO系列等算法在安全帽检测中都得到了广泛应用。然而，在实际应用中，由于安全帽佩戴检测外部环境通常为建筑工地、大型工厂、车间等复杂环境，目标遮挡、光线等因素极易影响检测精度，另一方面，在安全帽实时监测的视频采集原始图像中，安全帽目标相比图像尺寸通常占比很小，往往会造成目标漏检。因此，如何提高复杂环境下的安全帽佩戴检测精度和检测速度是应用的关键。针对上述难题，本文提出了一种基于改进YOLOv4的安全帽佩戴检测方法。
2022-07-02 21:05:10
1.37MB
1
202x年智慧工地监管平台规划设计整体建设解决方案(专业完整版).docx
2022-06-29 14:07:37
486KB