基于深度学习的工地安全帽佩戴检测算法研究

声明

第1章 绪论

1.1 研究目的和意义

1.2 国内外研究现状

1.2.1 目标检测算法研究现状

1.2.2 安全帽佩戴检测算法研究现状

1.3 主要存在的问题

（1）无公开的安全帽佩戴检测数据集可供使用

（2）安全帽佩戴检测任务漏检误检率高

（3）安全帽佩戴检测任务检测速度低，不能满足实时检测要求

1.4 主要研究内容

1.5 本文章节安排

第2章 安全帽佩戴检测数据集构建技术研究

2.1 引言

2.2 安全帽佩戴检测数据源提取

2.3 基于图像金字塔的安全帽佩戴检测数据增强方法研究

2.3.1 常用数据增强方法

2.3.2 基于图像金字塔的数据增强方法

2.4 安全帽佩戴检测数据集的构建

2.4.1 数据集划分

2.4.2 数据集标注方案设计

2.5 实验及结果分析

2.5.1 基于安全帽佩戴检测数据集的数据增强对比实验

2.5.2 基于PASCAL VOC数据集的数据增强对比实验

2.6 本章小结

第3章 改进YOLO v3的安全帽佩戴检测算法研究

3.1 引言

3.2 基于YOLO v3的安全帽佩戴检测算法分析

3.2.1 YOLO 系列算法

3.2.2 实验结果及分析

3.3 目标建议框设计方案优化

3.3.1 安全帽佩戴检测图像目标尺寸分布规律分析

3.3.2 基于目标聚类的目标建议框设计方案优化

3.4 基于特征分离的安全帽佩戴检测网络结构设计

3.4.1 位置和类别预测的特征分离策略

3.4.2 基于特征金字塔的多尺度特征融合

3.4.3 网络结构设计

3.5 多尺度检测训练策略研究

3.5.1 卷积特性分析

3.5.2 多尺度训练策略

3.6 实验及结果分析

3.6.1 目标建议框生成方案对比实验

3.6.2 小目标场景下的性能评估实验

3.6.3 多尺度检测训练性能评估实验

3.7 本章小结

第4章 实验测试与分析

4.1 引言

4.2 实验环境及评价指标

4.2.1 深度学习框架MXNet简介

4.2.2 基于MXNet平台的模型搭建过程

4.2.3 算法定量评价指标

4.3 基于安全帽佩戴检测数据集的对比实验

4.3.1 实验过程

4.3.2 实验结果及分析

4.4 不同场景下的安全帽佩戴检测实验

4.4.1 不同天气条件下的安全帽佩戴检测实验

4.4.2 不同光照强度条件下的安全帽佩戴检测实验

4.4.3 佩戴非安全帽情况下的安全帽佩戴检测实验

4.5 本章小结

第5章 总结与展望

5.1 全文总结

5.2 未来展望

致谢

参考文献

攻读硕士学位期间的研究成果