改进YOLOv5s的摩托车头盔佩戴检测算法.pdfVIP

第36卷第3期四川轻化工大学学报（自然科学版）Vol.36No.3

2023年6月JournalofSichuanUniversityofScienceEngineering(NaturalScienceEdition)Jun.2023

文章编号：2096⁃7543（2023）03⁃0050⁃09DOI:10.11863/j.suse.2023.03.07

改进YOLOv5s的摩托车头盔佩戴检测算法

1,21,2

张鑫，周顺勇

（1.四川轻化工大学自动化与信息工程学院，四川宜宾644000；

2.人工智能四川省重点实验室，四川宜宾644000）

摘要：针对摩托车头盔佩戴检测准确率低和检测速率慢的问题，提出一种基于YOLOv5s

的改进摩托车头盔检测算法。首先，在YOLOv5s的多尺度特征检测中增加浅层检测尺度和4倍

上采样特征融合结构，以提升检测准确率。其次，引入卷积注意力模块（ConvolutionalBlock

AttentionModule，CBAM），以提升对聚集目标的关注，有效解决因遮挡、重叠导致的漏检和误检

问题。最后，使用MobilenetV3的Block结构替换主干网络及颈部中的瓶颈结构，实现了降低网

络参数量的目的。实验结果表明，相较于YOLOv5s算法，改进算法的mAP提高了2.91%，检测速

率达到了36frame/s，在保证较高检测速率的同时检测精度更高，具有一定的应用价值。

关键词：头盔检测；YOLOv5s模型；CBAM注意力机制；MobilenetV3网络

中图分类号：TP391文献标志码：A

来越普遍，深度学习是目前的主流的方法之一。

引言

基于深度学习的目标检测算法分为二阶段算

2018年世界卫生组织发布的全球道路安全报法和一阶段算法两类。二阶段算法有Fast

[1]

告中，摩托车交通事故导致的死亡人数占道路交[2][3][4]

R-CNN、FasterR-CNN、MaskR-CNN等，虽然这

通事故总死亡人数的28%。特别是在东南亚、西太类算法精度高，但是检测速度慢，不能满足实时检

平洋区域，道路交通工具以摩托车为主，摩托车交[5-7]

测的需求。一阶段算法包括YOLO系列算法、

通事故死亡人数分别占总交通事故死亡人数的[8][9]

SSD、FCOS等，兼备高精度和小参数量模型等特

43%和36%。而头部受伤是导致死亡的最主要因[10]

点。Wu等使用混合描述符提取图像特征，并使

素，如果规范佩戴摩托车头盔，死亡风险可降低用支持向量机（SVM）分类器将图像分为头盔和非头

42%，头部受伤风险可降低69%，从而降低摩托车事[11]

盔。Silva等应用了背景减法技术来识别移动车辆

故的死亡人数。目前，对摩托车骑手是否佩戴头盔