改进YOLOX的夜间安全帽检测算法

来源：计算机工程与应用杂志2024年第15期北京时间：

作者：韩贵金, 王瑞萱, 徐午言, 李君

单位：1.西安邮电大学，西安 710061；2.中国建筑第八工程局有限公司 西南分公司，成都 610094

摘要：安全帽检测是保障建筑施工现场安全的一个有效手段。为保证暗光条件下图像分辨度，塔机吊钩摄像头夜间经常需采集灰度图像。由于摄像头晃动和人员走动，安全帽目标区域还经常会出现模糊现象。为解决模糊灰度图像中目标特征丢失所导致的检测精度下降问题，以YOLOX为基准模型，提出一种用于夜间安全帽检测的特征增强和回归权重自适应YOLOX（feature enhancement and regression weight adaptive，FERWA-YOLOX）算法。算法在输入层增加了融合不同大小感受野的多尺度残差（multi-scale residuals，MSR）模块，在同层网络中融合更多局部特征，降低目标局部模糊带来的影响；在解耦头的分类分支增加并行池化通道注意力（parallel pooling channel attention，PPCA）模块，弥补因目标颜色特征丢失所导致的网络分类能力的下降；设计了一种带双惩罚项的损失函数（double penalty items-Siou，DPI-Siou），自适应地降低形状固定目标的形状损失和模糊目标在回归时的权重，提高网络的检测精度。实验结果表明，FERWA-YOLOX较原YOLOX算法，mAP提升了4.88个百分点，参数量仅提升0.5?MB，且满足夜间实时检测需求。

关键词：夜间目标检测,安全帽检测,感受野,通道注意力,损失函数