基于深度学习的非机动车头盔佩戴检测方法研究

来源：电子测量技术杂志2022年第22期北京时间：

作者：朱硕，黄剑翔，汪宗洋，许芯浚，边松岩

单位：1.无锡学院 电子信息工程学院，江苏省无锡市 214105 2.南京信息工程大学 电子信息与通信工程学院，江苏省南京市 210044; 3.江苏省集萃深度感知技术研究所，江苏省无锡市

摘要：近年来，由于电动车驾驶人未佩戴头盔行车导致的交通事故频频发生，造成了较大的人身伤害与损失，调查显示事故多在交通路口发生，为此，有必要开展交通路口电动车驾驶人头盔佩戴行为的监测与管控。本文利用机器视觉传感器收集大量电动车及驾驶人目标数据，制作相应的数据集，将处理后的数据集在Pytorch框架上利用改进的Yolov5神经网络进行训练，获得最优权重参数；实验对比发现，改进后的Yolov5算法对于电动车和头盔的检测精度分别达到了92%和98%，比原始神经网络的识别准确度可提高1%至2%。最终联合使用训练改进的Yolov5模型和Sort算法，在检测电动车佩戴头盔情况的同时，对其进行跟踪标号，以此实现对交通路口违规电动车驾驶行为的有效管控。

关键词：神经网络;检测跟踪;数据处理;数据集;头盔检测