基于改进YOLOv5s的车载人员安全带行为检测

来源：计算机测量与控制杂志2024年第4期北京时间：

作者：焦波,焦良葆,吴继薇,祝阳,高? 阳

单位：南京工程学院 人工智能产业技术研究院

摘要：车载人员佩戴安全带行为的检测对于人的生命安全保障具有重要作用。针对目前车内复杂环境下车载人员佩戴安全带检测精度不高的问题，提出一种基于改进的YOLOv5s(You Only Look Once v5s)车载人员佩戴安全带的检测方法。该检测方法将YOLOv5s作为基础网络，在此基础上进行改进。为改善深度模型对特征信息的提取能力，采用RFB(Receptive Field Block)模块增大网络的感受野，并利用RFB模块多分支结构获得混合的感受野；加入ECA(Efficient Channel Attention)注意力通道模块，使得整个网络更加专注特征信息的提取；将原YOLOv5s的损失函数替换为EIOU，进一步提高网络对安全带的检测精度。经过实验结果表面，改进后网络与原YOLOv5s网络相比，其平均精度均值(mAP，mean Average Precision)提高了2.2%，查准率(Precision)提升了5.1%。改进后的网络具有良好的提升效果，表明了该方法的有效性。

关键词：安全带;YOLOv5s;感受野;RFB模块;注意力机制;损失函数

基金资助：江苏省自然科学基金资助项目(BK20201042)；江苏省政策引导类计划项目(SZ-SQ2020007)