基于改进YOLOv5s电动车头盔的自动检测与识别

来源：计算机应用杂志2023年第4期北京时间：

作者：朱周华, 齐琦

单位：西安科技大学 通信与信息工程学院，西安 710600

摘要：针对目前电动车头盔小目标检测的精度低、鲁棒性差，相关系统不完善等问题，提出了基于改进YOLOv5s的电动车头盔检测算法。所提算法引入卷积块注意力模块（CBAM）和协调注意力（CA）模块，采用改进的非极大值抑制（NMS），即DIoU-NMS（Distance Intersection over Union-Non Maximum Suppression）；同时增加多尺度特征融合检测，并结合密集连接网络改善特征提取效果；最后，建立了电动车驾驶人头盔检测系统。在自建的电动车头盔佩戴数据集上，当交并比（IoU）为0.5时，所提算法的平均精度均值（mAP）比原始YOLOv5s提升了7.1个百分点，召回率（Recall）提升了1.6个百分点。实验结果表明，所提改进的YOLOv5s算法更能满足在实际情况中对电动车及驾驶员头盔的检测精度要求，一定程度上降低了电动车交通事故的发生率。

关键词：电动车头盔检测,YOLOv5s,注意力机制,非极大值抑制,多尺度特征检测

基金资助：国家自然科学基金资助项目(61901358)