基于CPM-YOLO的道路头盔检测方法

来源：电子测量技术杂志2025年第7期北京时间：

作者：强浩南，邹涌波，马立东，李博文

单位：1.太原科技大学机械工程学院 太原 030024;2.重型装备智能化技术与系统山西省重点实验室 太原 030024

摘要：头盔检测往往面临交通拥挤、行人干扰、目标严重遮挡等复杂的道路场景，这些情况容易导致检测精度低、检测错误和漏检。提出了一种基于CPM-YOLO算法的高性能头盔识别模型。首先，提出新的跨尺度特征融合方法CS-FPN，更好地整合高阶语义和低阶几何特征信息；其次，提出PCT的模块，优化模型的特征提取能力；接着，选用最小点距离的边界框回归损失函数进一步提高模型的收敛速度和准确率；之后，删除骨干网络中20×20的下采样部分和20×20的检测头，新增160×160的小目标检测头；最后，通过消融实验证明各个改进模块对提升模型性能的有效性，通过对比实验证明CPM-YOLO模型的优越性与泛化性。实验结果表明，与基线模型相比，本研究方法的mAP@0.5提高了5.5%，参数数量和模型尺寸分别减少了69.9%和67.2%。新模型具有显著降低复杂度和提高道路头盔检测能力的特点。

关键词：双轮车头盔;YOLOv11s;CS-FAN;PCT;MPDIoU;小目标检测头

基金资助：国家自然基金（U24A20276）、国家自然基金面上项目（52274389）、山西省关键核心技术和共性技术研发攻关专项（2020XXX009）、山西省重点研发计划（202102010101010，202202150401010）项目资助