張 勇，吳孔平，高 凱，楊 旭

(安徽理工大學電氣與信息工程學院，安徽 淮南232000)

1 引言

在日常特殊工作環(huán)境中，安全帽是工作人員生命的保障，能夠有效地減少或防止外來危險對工作人員頭部的傷害。安全帽的佩戴，可降低人員工作時的作業(yè)風險。然而，長期以來，作業(yè)人員在施工區(qū)域普遍存在安全意識薄弱的問題，尤其缺乏基礎(chǔ)防護設(shè)施如安全帽等的使用意識，無疑大大增加了作業(yè)風險[1]。近年來，國內(nèi)外有不少專家對安全帽的識別技術(shù)進行了深入而廣泛的研究：馮國臣等人使用機器視覺方法進行安全自動識別研究，主要選取 SIFT 角點特征[2]和顏色統(tǒng)計特征的方法進行安全帽檢測；胡恬等人提出的利用小波變換和神經(jīng)網(wǎng)絡(luò)安全帽識別方法，通過膚色定位人臉的辦法，根據(jù)頭部顏色判斷安全帽的存在；Park等人通過 HOG 特征提取來檢測人體[3]，接著采用顏色直方圖識別安全帽。但是現(xiàn)有的安全帽檢測方法容易受到復雜多變的環(huán)境影響，同時檢測準確率低，速度慢，不能滿足生產(chǎn)環(huán)境中的實時檢測要求。由此，本文基于YOLOV3模型，并加以改進，使得最終的模型具有環(huán)境適應(yīng)性好、檢測準確率高、速度快等特點，滿足實際應(yīng)用場景。

2 卷積神經(jīng)網(wǎng)絡(luò)和YOLOV3

基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的深度學習，在提取圖像特征時，相比于傳統(tǒng)方法，具有很大的優(yōu)勢[4]。因此，很多研究人員提出了一系列目標檢測算法[5]。2014年，Girshick提出了基于候選區(qū)域和卷積神經(jīng)網(wǎng)絡(luò)的R-CNN算法，該算法在VOC 2012數(shù)據(jù)集上獲得了53.3%的平均準確率。隨后，Girshick Ren等分別提出了FastR-CNN和FasterR-CNN，F(xiàn)asterR-CNN采用區(qū)域推薦網(wǎng)絡(luò)生成候選框， 再對這些候選框進行分類和坐標回歸， 檢測精度大幅提升的同時， 檢測速度約為5 fps[6]， 由于生成候選框和進行預(yù)測分成兩個步驟進行， 所以這些方法稱為Two-Stage方法。但是仍然滿足不了實時性要求。直至2015 年，Redmon提出了 YOLO 檢測算法[7]，它是把生成候選框和預(yù)測過程同時進行，因而被稱作One-Stage方法。因此YOLO的識別速度達到了45fps。在此基礎(chǔ)之上，又衍生出了精度更高的YOLOV2算法，在VOC 2007數(shù)據(jù)集上測試，它的mAP達到了76.8%[8]。2018年4月，YOLOV3[9]正式提出，相比于YOLOV2，YOLOV3性能提升很大，在保證準確率的同時，它的速度卻沒有降低。

YOLOV3是 Redmon基于 YOLOV2改進的目標檢測算法。不同于YOLOV2所使用的網(wǎng)絡(luò)結(jié)構(gòu)Darknet-19[10]，YOLOV3采用了全新的特征提取網(wǎng)絡(luò)：Darknet-53。同時YOLOV3和YOLOV2的Loss不同，YOLOV3用logistic loss替換了YOLOV2中的softmax loss。此外，YOLOV2用了5個anchor，而YOLOV3用了9個anchor，提高了IOU。這些改進方法都為YOLOV3后來良好的表現(xiàn)奠定了基礎(chǔ)。YOLOV3與其它算法[12]的對比，見表1。

表1 YOLOV3與其它算法的對比

3 相關(guān)工作

3.1 安全帽數(shù)據(jù)集制作

在深度學習中，數(shù)據(jù)集質(zhì)量的高低直接影響了最終檢測效果的好壞。本次實驗從網(wǎng)上下載了各種情況下800張工作人員佩戴安全帽的圖片，作為訓練集，另外選擇200張作為測試集。兩種數(shù)據(jù)集如圖1、圖2所示。

圖1 安全帽訓練集

圖2 安全帽測試集

為了盡量克服由于數(shù)據(jù)集樣本少而產(chǎn)生的過擬合問題，本實驗采用了旋轉(zhuǎn)、對比度變化的方法對自制數(shù)據(jù)集進行了數(shù)據(jù)增強。同時，由于相機的視距較遠、焦距不正確或相機移動，所獲得的圖像可能不清晰。模糊圖像也會影響神經(jīng)網(wǎng)絡(luò)的檢測結(jié)果。因此，本文將旋轉(zhuǎn)、對比度增強后的圖像隨機模糊，模擬模糊圖像。將模糊圖像作為樣本，進一步提高檢測模型的魯棒性。

3.2 YOLOV3結(jié)構(gòu)改進

在神經(jīng)網(wǎng)絡(luò)的訓練過程中，由于卷積和下采樣，使得特征圖減少，在傳輸過程中丟失了特征信息，從而容易產(chǎn)生梯度消失。DenseNet體系結(jié)構(gòu)是為了更有效地利用神經(jīng)網(wǎng)絡(luò)的輸入特性而提出的[13]。在DenseNet體系結(jié)構(gòu)中，DenseNet的基本結(jié)構(gòu)主要由致密塊和過渡層兩部分組成。密集塊是一組密集連接的特征圖。相鄰兩個密集塊之間的層稱為過渡層，通過卷積和池化改變feature map的大小。DenseNet在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用增強了特征的傳播，有效地解決了消失梯度問題，提高了神經(jīng)網(wǎng)絡(luò)的分類精度。圖3展示了如何以YOLOV3的Darknet-53架構(gòu)作為基本的網(wǎng)絡(luò)架構(gòu)，使用DenseNet代替分辨率較低的原始傳輸層，從而達到增強特征傳播，促進特征重用和融合的目的。

圖3 YOLOV3-DenseNet 網(wǎng)絡(luò)示意圖

其中，X0， X1，X2，X3，X4作為輸入，每一層都使用來自前面所有層的特征映射作為輸入，而它自己的特征映射用作后面所有層的輸入，這些特征圖通過深度連接來連接。H1，H2，H3，H4…Hi 是一個函數(shù)，它結(jié)合了批處理規(guī)范化(BN)，糾正線性單元(ReLU)和卷積(Conv)，用于處理拼接后的特征映射。首先，H1利用BN-ReLU-Conv (1*1)對輸入X0進行非線性操作，然后對操作的結(jié)果再進行BN-ReLU-Conv (3*3)變換。X1的結(jié)果和[X0]的特征被拼接成[X0， X1]作為輸入送入到H2中。X2的結(jié)果和[X0， X1]的特征被拼接成[X0， X1，X2]作為輸入送入到H3中。同理，X3的結(jié)果和[X0， X1，X2]的特征被拼接成[X0， X1，X2，X3]作為輸入送入到H4中。最終拼接的特征圖[X0， X1，X2，X3，X4]繼續(xù)向前傳播，遇到16*16的卷積層時，特征的前向傳播以及特征層的拼接和上述方法相同，最后特征層被拼接成16*16*1024，繼續(xù)向前傳播。這樣的一種結(jié)構(gòu)使得DenseNet能夠減少梯度消失，增強特性傳播，促進特性重用，并大大減少參數(shù)的數(shù)量。因此，在訓練過程中，當圖像的特征被傳輸?shù)降头直媛蕦訒r，后一層特征層將接收到DenseNet中它前面所有特征層的特征，從而減少了特征的丟失。這樣，低分辨率的卷積層之間可以重用特征，提高了使用率。圖4是YOLOV3-Dense詳細結(jié)構(gòu)圖。

圖4 YOLOV3和YOLOV3-Dense網(wǎng)絡(luò)結(jié)構(gòu)圖

為了使網(wǎng)絡(luò)結(jié)構(gòu)適應(yīng)高分辨率圖片，輸入圖片的尺寸由256*256 pixels調(diào)整為 512*512 pixels。同時，32*32和16*16下采樣層在改進結(jié)構(gòu)中，被替換成DenseNet結(jié)構(gòu)。

3.3 K-means維度重新聚類

由于借鑒了Faster-RCNN的錨點框思想，YOLOV3先設(shè)置一組人工選取的初始候選邊框，讓網(wǎng)絡(luò)的不斷的學習，根據(jù)真實邊框?qū)Τ跏己蜻x邊框進行不斷地修正，使其最終接近真實邊框的參數(shù)?？梢钥闯觯跏己蜻x邊框參數(shù)選取的好壞直接影響其后面網(wǎng)絡(luò)地學習速度。不一樣的目標，目標真實邊框的位置以及大小的參數(shù)都有一定的差異。比如公開數(shù)據(jù)集VOC中，標注汽車的邊框一般比較大，也比較長；標注行人的邊框一般比較高，寬度較小等。而安全帽的特點與它們有著很大的不同，因此在實際安全帽檢測任務(wù)中，YOLOV3 算法中早前計算得到的先驗框維度并不適用于安全帽檢測應(yīng)用場景。需要重新進行聚類分析。為了能夠讓網(wǎng)絡(luò)更好地學習安全帽的位置和大小的特點，論文使用K-means算法對實際應(yīng)用場景下的安全帽數(shù)據(jù)集中的真實邊框進行重新聚類分析，從而得到相對應(yīng)的初始候選邊框的參數(shù)。不同于K-means算法常用的歐氏距離、曼哈頓距離等距離量度，為了防止大框會比小框產(chǎn)生更多的誤差，使用預(yù)測目標 框與真實目標框的面積交并比即IOU來計算距離，公式如下

D(box，centroid)=1-IOU(box，centroid)

其中box表示樣本，centroid 表示簇的中心。

通過對安全帽樣本的聚類分析，得到了候選邊框數(shù)量與K值的關(guān)系圖，如圖5所示。

圖5 K-means聚類結(jié)果

由上圖可以看出，隨著K值的增加，IOU逐漸變大，從而檢測精度越高。與此同時，由于邊框數(shù)量越多，會一定程度上影響到檢測的速度。因此權(quán)衡準確率與速度，本次實驗選擇邊框數(shù)量為K=9，即在保證準確率的前提下，不至于讓速度下降太多，更好的適應(yīng)實時目標檢測。

根據(jù)安全帽數(shù)據(jù)集事先標注好的參數(shù)，選定K=9，使用K-means算法，在ubuntu上得到9組適合安全帽檢測的邊框具體的參數(shù)，并按照面積從小到大的順序排列成為：(23，24)， (34，49)， (64，42)， (59，83)， (101，56)， (87，78)， (120，87)， (151，128)， (152，188)。用這9組數(shù)據(jù)替換原YOLOV3中的邊框參數(shù)，即可進行下一步訓練過程。

3.4 訓練過程及結(jié)果分析

實驗硬件環(huán)境：

CPU ：因特爾I7-8200

顯卡 ：英偉達(NVIDIA)TITAN

實驗軟件環(huán)境：

操作系統(tǒng)：Ubuntu16.4

C U D A ：CUDA-8.0

Opencv ：CV3.1

訓練參數(shù)如下：批處理大小設(shè)為16；動量設(shè)為0.9 ；權(quán)重衰減設(shè)為0.0005；最大迭代次數(shù)設(shè)為3000次。學習率初始值設(shè)為0.0001。為了更好得比較改進YOLOV3模型與原YOLOV3模型檢測效果。本實驗對兩種模型分別進行了訓練。兩種訓練過程得到平均損失和平均IOU(交并比)情況如圖6、圖7、8所示。

圖6 兩種模型平均損失結(jié)果對比圖

圖7 原YOLOV3模型IOU圖

從上圖可以看出，在對YOLOV3改進之后，隨著迭代次數(shù)batches的不斷增加，新的YOLOV3模型比原YOLOV3的學習能力更強，收斂更快。

圖8 改進YOLOV3模型IOU圖

IOU越高，說明檢測準確率越好，通過對兩種模型IOU情況的分析，可以看出，一開始兩種模型的IOU都比較低，隨著訓練的進行，學習到的特征越來越多，兩種模型的IOU逐漸提升，在batches=40000次的時候，改進型YOLOV3比原YOLOV3獲得了更高更穩(wěn)定的IOU。隨后便保持IOU在一個相對穩(wěn)定的狀態(tài)。兩種模型IOU的差異也為后面的測試比較過程奠定了基礎(chǔ)。

下面通過從200張測試集隨機抽取一張圖片進行測試，兩種模型測試得到的圖片結(jié)果如圖9、圖10所示。

圖9 原模型檢測結(jié)果圖

圖10 改進模型檢測結(jié)果

通過對圖9、圖10的分析，可以看出，雖然安全帽都能被兩種模型檢測出來，但是進一步分析，可以看出，原YOLOV3模型對于每個帽子的檢測的準確率為98%，93%，85%，50%，而改進型YOLOV3對于每個帽子的檢測準確率為：100%，98%，96%，81%。都要比原YOLOV3有所提升。同時，從實驗檢測的速度上來看，實驗中，原YOLOV3檢測1幀用時：0.034119秒，而改進型YOLOV3檢測1幀用時：0.021383秒。改進型YOLOV3比原YOLOV3快了0.012秒。從處理實時視頻的角度來看，由于視頻是由很多圖片幀構(gòu)成的，如果每張圖片檢測的時間都能縮短一點，那么對檢測視頻的整體效果也是很有益的。為了防止上述圖片的選擇具有偶然性，從而對兩種模型的比較產(chǎn)生問題，本實驗對測試數(shù)據(jù)集進行了大量檢測，選擇精確率均值 mAP，以及每秒檢測幀數(shù)FPS(速度)作為檢測模型的評價指標，用文獻[15]中的SSD、文獻[16]中的Faster R-CNN以及文獻[17]中的YOLO V3等算法進行對比。四種模型在準確率和速度上綜合比較，見表2。

表2 實驗結(jié)果對比

因此從評價指標上來看，實驗得出改進型的YOLOV3在保證準確率的情況下，它能獲得更好的實時檢測效果。

4 結(jié)束語

本文通過改進YOLOV3模型的結(jié)構(gòu)，增加DenseNet結(jié)構(gòu)，讓每一層學到的feature map都能被之后所有層直接使用，這使得特征可以在整個網(wǎng)絡(luò)中重用，也使得模型更加簡潔。同時利用K-means算法對候選框重新進行聚類分析，得到了改進型的YOLOV3，并在自制的增強型安全帽數(shù)據(jù)集上進行訓練、測試。實驗結(jié)果表明，改進型YOLOV3無論是從速度還是準確率上都要優(yōu)于原YOLOV3模型，滿足了日常環(huán)境下對安全帽檢測的實時性和準確性的要求。

然而，日常環(huán)境復雜多變，如何在保證準確率和速度的前提下，進一步優(yōu)化算法，提高模型的不間斷跟蹤的能力，這將是下一步研究的重點。