典型文献
基于自适应空间特征融合的YOLOv5安全帽检测系统设计
文献摘要：
在施工现场正确佩戴安全帽能有效地防止和减轻施工人员遭受头部伤害.目前在施工现场对安全帽佩戴的监管主要依赖人工,存在效率低且耗费人力的问题.对此,设计了基于改进YOLOv5的智能安防监控系统,实现安全帽佩戴检测和人员管理等功能.首先,使用改进的YOLOv5网络模型实现安全帽佩戴检测,通过自适应空间特征融合网络学习权重参数来决定输入特征图中各像素点的激活与抑制,充分利用不同尺度特征图在不同空间位置像素点的贡献度,以更好地适应不同尺度的目标检测任务.其次,使用百度智能云进行人脸识别,获取违规人员信息以生成违规通报,并上传到微信小程序,将违规行为记录存档,实现安全生产智能化管理.实验结果表明,相比原始YOLOv5,改进的YOLOv5在安全帽检测任务上的平均准确率提升0.5％.
文献关键词：
YOLOv5;自适应空间特征融合;安全帽佩戴检测;安防监控系统;人脸识别
中图分类号：
作者姓名：
郑楚伟;林辉;吴晓明;刘孝炜;凌福龙
作者机构：
韶关学院智能工程学院,广东韶关 512005
文献出处：
引用格式：
[1]郑楚伟;林辉;吴晓明;刘孝炜;凌福龙-.基于自适应空间特征融合的YOLOv5安全帽检测系统设计)[J].机电工程技术,2022(09):37-42
A类：
违规人
B类：
自适应空间特征融合,YOLOv5,安全帽检测,施工现场,施工人员,耗费,智能安防,安防监控系统,安全帽佩戴检测,人员管理,模型实现,特征融合网络,网络学习,学习权重,输入特征,特征图,像素点,不同尺度,尺度特征,空间位置,贡献度,目标检测,百度智能云,人脸识别,通报,传到,微信小程序,违规行为,存档,生产智能化,智能化管理,平均准确率,准确率提升
AB值：
0.294244
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
