Helmet-YOLO：一种更高精度的道路安全头盔检测算法

来源：计算机工程与应用杂志2025年第2期北京时间：

作者：周顺勇, 彭梓洋, 张航领, 胡琴, 陆欢, 张宗良

单位：1.四川轻化工大学 自动化与信息工程学院，四川 宜宾 644000；2.人工智能四川省重点实验室，四川 宜宾 644000

摘要：针对现有的道路安全头盔检测算法受背景环境影响较大，面对遮挡以及目标与环境相似等检测场景检测精度不高的问题，从特征融合和损失计算的角度，开发了一种新的Helmet-YOLO架构。利用渐进式特征金字塔网络结构降低多尺度特征融合过程中存在的巨大语义差距，提升算法在复杂场景下的检测能力。同时，提出的PCAHead检测头和HelmetIoU边界框损失函数优化了模型理解和处理数据的能力，提高了模型损失计算的效率和精度，加速了模型的收敛。实验结果表明，Helmet-YOLOn算法和Helmet-YOLOs算法的mAP@50分别提升了3.7和2.9个百分点，优于实验中的所有同尺度模型，另外Helmet-YOLO的大尺度模型在延迟和精度上也优于多数实验模型。实验证明Helmet-YOLO算法具有更高的精度和鲁棒性，更适合复杂场景的道路安全头盔检测。

关键词：头盔检测,Helmet-YOLO,渐进式特征金字塔网络,PCAHead检测头,HelmetIoU