改进YOLOv8s与DeepSORT的矿工帽带检测及人员跟踪

来源：计算机工程与应用杂志2024年第5期北京时间：

作者：丁玲, 缪小然, 胡建峰, 赵作鹏, 张新建

单位：1.江苏联合职业技术学院 徐州财经分院，江苏 徐州 221116；2.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116；3.河南龙宇能源股份有限公司 陈四楼煤矿，河南 永城 476600

摘要：不系帽带，安全帽等于没戴。然而现有的安全帽检测方法，缺乏对帽带异常佩戴的检测研究。针对此问题，结合煤矿井下特殊的作业环境，以人员安全帽帽带检测及人员跟踪为研究对象，提出了CM-YOLOv8s算法检测安全帽及其帽带，利用DeepSORT算法对未系帽带的作业人员进行跟踪。利用井下监控视频制作数据集，使用CM-YOLOv8s对井下人员安全帽帽带进行检测：在YOLOv8s的基础上引入更高分辨率的特征图并新增了一种级联查询机制，在不提高计算成本的前提下能完成对小物体更精准的检测。利用改进DeepSORT对人员进行编码追踪：采用更深层卷积替换DeepSORT中小型残差网络来强化外观信息提取能力。通过自制井下安全帽帽带检测及跟踪数据集对改进算法进行验证，实验结果表明：CM-YOLOv8s的安全帽帽带识别算法平均精度均值达到92.3%，较YOLOv8s提高4.2个百分点。此外，基于CM-YOLOv8s与DeepSORT的安全帽规范佩戴识别系统的平均准确率为85.37%，检测速度达到59?FPS。提出的安全帽帽带检测算法，通过检测帽带是否在人员下颚附近来鉴别安全帽是否规范佩戴，能较好地平衡检测速度与精度，并能适应复杂的井下环境。通过在陈四楼煤矿数月的应用表明，实现了对安全帽佩戴异常的监测预警，加强了对矿工规范佩戴安全帽的有效监管。

关键词：安全帽,帽带检测,实时监测,YOLOv8,DeepSORT