江漢大學人工智能學院 關雅琪 侯 群

為了保證建筑工地施工人員的安全，要求佩戴安全帽。目前對安全帽佩戴的監(jiān)督與檢測大多采用深度學習的方法訓練模型。為了使訓練的模型達到實時檢測的速度和精度需求，本文在進行了YOLO系列算法對比試驗后，提出了一種采用改進的YOLO v5模型的安全帽佩戴檢測方法，該方法對原始 YOLO v5模型進行輸入尺寸、初始候選框的調(diào)整以及損失函數(shù)的改進，使YOLO v5模型更適用于安全帽佩戴的實時識別。

1 YOLO系列算法

本文研究的安全帽檢測算法旨在解決施工場地的安全問題，實際情況具有環(huán)境復雜、人流量大以及天氣多變等問題，并且需要滿足實時檢測的速度和精度要求，傳統(tǒng)的目標檢測算法很難做到，目前在ResNet，F(xiàn)aster-RCNN等模型上訓練速度更快的網(wǎng)絡有YOLO系列算法。

1.1 YOLO v3算法

YOLO v3借助特征金字塔網(wǎng)絡(FPN)的多尺度特征融合思想，將3種不同尺度的特征圖融合之后單獨輸出，分別進行目標檢測，加強算法對小目標檢測的精確度。YOLO v3的整體網(wǎng)絡框架主要包括兩個部分，第一部分為Darkent-53特征提取網(wǎng)絡，第二部分為以Darknet-5為基礎進行3次采樣輸出。

1.2 YOLO v5算法

YOLO v5的識別模型能夠在保證實時檢測的速度下兼顧較高的精度，按照網(wǎng)絡深度大小和特征圖寬度大小分為YOLO v5s、YOLO v5m、YOLO v5l、YOLO v5，本文采用了YOLOv5s作為使用模型。YOLO v5的網(wǎng)絡結(jié)構(gòu)包含四個部分，分別是Input Sector,Backbone Sector,Neck Sector,Prediction Sector。

2 改進的YOLO v5模型

雖然YOLO v5具有檢測速率快，檢測精度高的優(yōu)點，但是為了使得訓練的模型更好的符合實時檢測的需求，需要對原始的YOLO v5進行優(yōu)化，不斷調(diào)整超參數(shù)來得到更優(yōu)的模型。

2.1 安全帽佩戴識別流程

進行安全帽佩戴識別時，首先利用YOLO v5自帶的目標檢測權(quán)重，對人進行定位。使用人臉檢測模塊對輸入的圖像進行人臉識別并標記，然后使用安全帽佩戴識別模塊對檢測到的人臉區(qū)域裁剪出人臉區(qū)域子圖像，對其以佩戴安全帽和沒有佩戴安全帽為分組依據(jù)進行圖像二分類，最后得到是否佩戴安全帽的圖像識別結(jié)果。

2.2 anchor box的改進

YOLO v5訓練階段和預測階段都會使用anchor box：訓練階段第一步是進行一系列卷積和池化，預先標注好的預測框需要在feature map層找到，計算這個預測框與真實框之間的偏差和損失，用anchor box去擬合真實的邊框位置和大小是訓練的最終目的。預測階段需要先在整體圖像上得到多個anchor box，之后再根據(jù)得到的安全帽檢測模型的參數(shù)進行anchor box的類別以及偏移量的預測來得到邊界框的最終預測值。

anchor box的取值直接影響到目標識別的速度和目標框位置的精度，因此需要根據(jù)自身數(shù)據(jù)集調(diào)整最優(yōu)的anchor box。本文對訓練集中標記目標框的高度和寬度大小進行聚類分析，主要運用的是K-Means聚類算法，根據(jù)YOLO v5模型網(wǎng)絡結(jié)構(gòu)的特點，找到9個聚類中心的寬高維度作為.config文件中anchor這個參數(shù)的取值，基于開源的安全帽數(shù)據(jù)集Safety-Helmet-Wearing-dataset聚類得出的Best Anchors=[[14.74,27.64],[23.48,46.04],[28.88,130.0],[39.33,148.07],[52.62,186.18],[62.33,279.11],[85.19,237.87],[88.0,360.89],[145.33,514.67]]。

2.3 損失函數(shù)的選擇

采用GIOU_Loss做Bounding box的損失函數(shù)，可以克服IOU無法直接優(yōu)化沒有重疊的部分的問題，在目標檢測的后處理過程中，保留一個最優(yōu)的框并抑制那些冗余的框。GIOU的計算表達式如(1)所示，設M，N為兩個檢測框，X為最小的封閉形狀，但X包含M，N，計算X沒有包含M，N的面積占x的比值，最后用M，N的IOU減去比值。

GIOU解決了IOU兩框不重合的問題，無論M，N兩個框距離多遠，只是兩框不重合的值越大，GIOU越趨向于-1。GIOU是IOU減去一個值所得到的，這樣避免了兩個框不相交時Loss等于0的情況。GIOU具有可導的屬性，當IOU=0時，表達形式如式(2)所示：

2.4 超參數(shù)和優(yōu)化器選擇

在實驗過程中需要對超參數(shù)進行不斷的調(diào)整和黑盒測試已達到符合當前數(shù)據(jù)集的最優(yōu)模型，最終的各項參數(shù)數(shù)據(jù)具體如表1所示。

表1 超參數(shù)配置

優(yōu)化器最終選用了隨機梯度下降法(SGD)，其中優(yōu)化器的動量系數(shù)momentum設定為937×10-3，權(quán)重衰減系數(shù)設定為5×10-4。

3 對比實驗與數(shù)據(jù)分析

本文做了兩類對比實驗，并利用模型評估方法來客觀評估算法。

對比實驗一：如表2所示，分別利用原始的YOLO v3和YOLO v5深度學習算法，訓練同一個開源的安全帽數(shù)據(jù)集Safety-Helmet-Wearingdataset，實驗結(jié)果表明，YOLO v5算法訓練出來的模型除了體積更小，收斂更快之外，檢測速率、準確率相比YOLO v3的提升均非常顯著。

表2 YOLO v3和YOLO v5的對比實驗結(jié)果

對比實驗二：如表3所示，分別利用原始YOLO v5和改進后的YOLO v5深度學習算法，訓練同一個開源的安全帽數(shù)據(jù)集Safety-Helmet-Wearing-dataset，實驗結(jié)果表明，增加K-Means聚類改進anchor box和選用GIOU_Loss函數(shù)后改進的YOLO v5算法訓練出來的模型準確率相比原始的YOLO v5有一定的提升，并且提前了5個epoch收斂，準確率和mAP分別提升了3.9%和1.6%。

表3 改進后和原始的YOLO v5對比實驗結(jié)果

綜上所屬，YOLO v5在安全帽數(shù)據(jù)集上模型表現(xiàn)優(yōu)勢顯著，并且在進行調(diào)整和優(yōu)化后改進的檢測算法更能滿足安全帽實時檢測的速度和精度要求。

4 訓練結(jié)果分析

4.1 檢測結(jié)果分析

實驗中的測試集圖片的檢測結(jié)果如圖1所示。

圖1 模型測試結(jié)果

從檢測結(jié)果可以看出，該算法對圖像整體特征的提取比較全面，在檢測對象所處的環(huán)境十分復雜或者運動狀態(tài)下都可以準確地檢測出來。而且由各個柵格產(chǎn)生的bounding boxes在加權(quán)非極大值抑制的不斷迭代和篩選下，得到了與檢測對象最吻合的檢測框，當存在一定的遮擋，圖像清晰度很差和識別對象較多的條件下，算法還能準確的識別是否佩戴安全帽。本文選擇了準確性、召回率、平均精度的平均值以及調(diào)和平均值等來作為該模型中的評價指標。

4.2 實驗結(jié)果評估

用于安全帽佩戴識別的YOLOV5模型在訓練50個epoch后，按照上述選定的多項指標對訓練出的模型進行評估，評估結(jié)果如圖2所示。

圖2 模型評估結(jié)果

圖2展示了用于安全帽佩戴識別的YOLOv5模型的各項評估結(jié)果：模型達到收斂時經(jīng)過了50個epoch，在模型訓練過程中，其準確率和召回率的提升十分穩(wěn)定，模型達到飽和后，其準確率(Precision)可穩(wěn)定保持在90%以上，召回率(Recall)可穩(wěn)定保持在90%附近，平均精度均值與調(diào)和均值也保持較高水平。其中mAP指標能夠客觀反應算法的整體性能，通過試驗，得到了頭、安全帽和總體的mAP值。具體如表4所示。

表4 各項得分

在經(jīng)過訓練之后，測試集上的mAP 達到了 90.1%，說明改進的算法在安全帽佩戴檢測上的表現(xiàn)優(yōu)異。同時該模型在實際應用中識別速度較快，經(jīng)測試采用GTX 2070顯卡時，識別速度可達37FPS，基本符合實時檢測的要求。YOLO v5模型體積較小只有14M，因此很容易在一些工業(yè)計算機中落地應用，能實時監(jiān)督生產(chǎn)作業(yè)區(qū)域的工人是否佩戴安全帽。

本文提出了一種優(yōu)化的YOLO v5模型的安全帽佩戴檢測算法。通過對比不同算法，改進anchor box、損失函數(shù)，調(diào)整網(wǎng)絡架構(gòu)參數(shù)及優(yōu)化器等方法得到改進的YOLO v5網(wǎng)絡，檢測速度和精度足以應用到安全帽實時檢測系統(tǒng)當中。實驗表明算法具有較好的穩(wěn)定性和可靠性。