郭安文，權(quán)冀川

(陸軍工程大學(xué)指揮控制工程學(xué)院，江蘇 南京 210007)

0 引言

施工人員佩戴安全帽是安全施工的必要措施。因此，需要對施工人員是否佩戴安全帽進(jìn)行監(jiān)測及管理。

本文探討利用計算機(jī)視覺技術(shù)自動監(jiān)測工人是否佩戴了安全帽。具體來說，是借助目標(biāo)檢測算法檢測監(jiān)控圖像或視頻中人員的頭部，并利用分類算法判斷頭部是否佩戴了安全帽。常用的目標(biāo)檢測算法包括SSD、Faster R-CNN、YOLO 系列算法等，這些算法可以檢測圖像中的目標(biāo)位置和類別信息。對于安全帽檢測任務(wù)，需要在檢測結(jié)果中提取出人員頭部的位置和安全帽的位置，對這些位置信息進(jìn)行比對，以判斷是否佩戴安全帽。

但是施工環(huán)境通常比較惡劣，無法保證標(biāo)準(zhǔn)的機(jī)房條件，溫濕度不穩(wěn)定，同時還有灰塵、震動、噪聲等不良因素，會對高性能設(shè)備的穩(wěn)定性和計算性能產(chǎn)生很大的影響。而便攜式、低性能的設(shè)備通常比較耐用，適應(yīng)性強(qiáng)，能夠在惡劣的環(huán)境下正常運行。因此，在施工環(huán)境中，適合選用低性能設(shè)備，以保證設(shè)備的穩(wěn)定性和可靠性。

由于施工環(huán)境中適用的設(shè)備性能有限，因此需要選擇合適的檢測模型，即較少的參數(shù)量、較小的計算量和精度適中的檢測模型，并且保證在一些簡單的應(yīng)用場景中能夠使用。YOLOv5算法相較于其他目標(biāo)檢測模型更加方便配置。它的配置文件簡單、支持多種數(shù)據(jù)集、使用的預(yù)訓(xùn)練模型簡單、易于調(diào)試，這些特點使得用戶可以快速地配置和訓(xùn)練模型，大幅提高工作效率。所以本文選擇在YOLOv5 算法模型的基礎(chǔ)上改進(jìn)和優(yōu)化，提出一種可以在低性能設(shè)備上實現(xiàn)高效安全帽佩戴檢測的系統(tǒng)。

1 YOLOv5算法

根據(jù)主干網(wǎng)絡(luò)的depth_multiple（深度）參數(shù)和width_multiple（寬度）參數(shù)的不同，YOLOv5 算法默認(rèn)提供了五個模型，YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l 和YOLOv5x，圖1 是深度和寬度均為1 的YOLOv5模型結(jié)構(gòu)圖。隨著模型的深度與寬度依次增加，模型的精度會不斷提高，但訓(xùn)練、推理的速度也會顯著下降。YOLOv5算法網(wǎng)絡(luò)模型的結(jié)構(gòu)總體上可以分為四個部分：輸入端、Backbone網(wǎng)絡(luò)、Neck特征融合網(wǎng)絡(luò)以及Head輸出端。

圖1 寬度和深度均為1的YOLO結(jié)構(gòu)圖

1.1 輸入端

⑴Mosaic 數(shù)據(jù)增強(qiáng)：Mosaic 數(shù)據(jù)增強(qiáng)是對四張圖片進(jìn)行隨機(jī)色域變換，再通過隨機(jī)縮放、隨機(jī)裁減、隨機(jī)排布的方式進(jìn)行拼接形成訓(xùn)練數(shù)據(jù)。這種操作方式極大豐富了圖片的背景數(shù)量，變相地實現(xiàn)了更大的batch size，同時經(jīng)過隨機(jī)縮放增加了很多小目標(biāo)，提高了模型的泛化能力和魯棒性。

⑵自適應(yīng)圖片縮放：常見目標(biāo)檢測模型對于輸入圖片的處理方式是將原始輸入圖片的尺寸統(tǒng)一調(diào)整為固定大小，再輸入到檢測網(wǎng)絡(luò)中。但像這樣僅僅使用resize 操作來調(diào)整圖片的大小，很容易導(dǎo)致圖片失真。而且在縮放填充后，如果填充過多，就會存在信息冗余，影響模型的推理速度。為了避免信息冗余，同時提高模型運算速度，YOLOv5 算法采用了自適應(yīng)的縮放方法，在待檢測圖片的兩端填充最少的黑邊，然后將其輸入網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，保證在提高模型運算速度的同時，又不會引入過多的冗余信息。

⑶自適應(yīng)錨定框計算：YOLOv5算法除了使用默認(rèn)的錨定框外，還可以在模型訓(xùn)練前對數(shù)據(jù)集的標(biāo)注信息進(jìn)行統(tǒng)計，計算出數(shù)據(jù)集默認(rèn)錨定框的最佳召回率。如果最佳召回率大于或等于某一設(shè)定閾值（一般取為0.98），則不會更新錨定框；如果最佳召回率小于該閾值，則自動重新計算更符合此數(shù)據(jù)集特征的錨定框。更新錨定框采用k-means算法和遺傳算法對數(shù)據(jù)集進(jìn)行解析，并預(yù)先設(shè)置固定的Anchor；網(wǎng)絡(luò)訓(xùn)練時，算法基于初始錨定框輸出預(yù)測框，并與真實值進(jìn)行比較，計算這兩者的誤差；最后采用反向更新的方法迭代網(wǎng)絡(luò)參數(shù)，降低損失函數(shù)的值。如果計算得到的錨定框的效果不好，也可以在代碼中關(guān)閉自動計算錨定框的功能。

1.2 Backbone網(wǎng)絡(luò)

⑴CBS 結(jié)構(gòu)：CBS 是由卷積(Conv)、批量歸一化(BN)和SiLU 激活函數(shù)(Silu)組成的結(jié)構(gòu)。卷積層用于提取圖像的不同特征，批量歸一化層對特征數(shù)據(jù)進(jìn)行歸一化處理以減少訓(xùn)練過程中可能產(chǎn)生的梯度消失現(xiàn)象，而SiLU激活函數(shù)則是對輸入數(shù)據(jù)進(jìn)行非線性變換，使其具有更平滑的梯度，保證模型更加靈活和具有更強(qiáng)的表達(dá)能力。CBS 結(jié)構(gòu)可以有效提高模型的準(zhǔn)確率。

⑵ C3 結(jié)構(gòu)：在YOLOv5-6.0 版本中，使用了C3模塊替代早期的BottleneckCSP[3]模塊。C3 結(jié)構(gòu)與CSP 結(jié)構(gòu)基本相同，如圖2，都使用了分支結(jié)構(gòu)來處理網(wǎng)絡(luò)的不同特征，但在修正單元的選擇上略有不同。C3結(jié)構(gòu)由三個連續(xù)的卷積層組成，第一個卷積層的輸出通道數(shù)為輸入通道數(shù)的一半，第二個卷積層的輸出通道數(shù)等于第一個卷積層的輸出通道數(shù)，第三個卷積層的輸出通道數(shù)等于輸入通道數(shù)。這種設(shè)計可以有效地減少模型的參數(shù)量和計算量，同時也能提高模型的學(xué)習(xí)能力和精度。C3 模塊的使用使得YOLOv5-6.0版本的模型更加輕量化和高效，可以更快地執(zhí)行目標(biāo)檢測任務(wù)，實用性更好。

圖2 C3模塊結(jié)構(gòu)與CSP模塊結(jié)構(gòu)

⑶SPPF 結(jié)構(gòu)：SPP[4（]空間金字塔池化）能夠?qū)⑷我獯笮〉奶卣鲌D轉(zhuǎn)換成固定大小的特征向量，可以增強(qiáng)特征圖的表達(dá)能力。在YOLOv5-6.0 中，SPP 結(jié)構(gòu)被SPPF(SPP-Fast)結(jié)構(gòu)所取代。如圖3，SPPF 只用了一種卷積核，串行以后等效SPP 的計算結(jié)果，速度比SPP更快。

圖3 SPP模塊結(jié)構(gòu)與SPPF模塊結(jié)構(gòu)

1.3 Neck特征融合網(wǎng)絡(luò)

YOLOv5 算法模型的Neck 特征融合網(wǎng)絡(luò)部分首先使用FPN 結(jié)構(gòu)構(gòu)建特征金字塔，然后通過PAN 結(jié)構(gòu)進(jìn)行特征融合。FPN 結(jié)構(gòu)采用自頂向下的側(cè)邊連接構(gòu)建多種尺度的高級語義特征圖。PAN 結(jié)構(gòu)則通過自底向上的路線加強(qiáng)低級語義特征圖的定位信息，并將不同尺度的特征圖進(jìn)行融合。兩種結(jié)構(gòu)融合后，能夠充分利用多尺度的特征圖信息，兼具自頂向下和自底向上特征融合策略的優(yōu)勢，實現(xiàn)更加準(zhǔn)確和魯棒的物體檢測。

1.4 Head輸出端

YOLOv5 算法模型的Head 部分用來輸出目標(biāo)檢測的結(jié)果，其主體是三個檢測器，分別處理不同尺度的特征圖。當(dāng)輸入圖片分辨率為640×640時，三個尺度上的特征圖分別為80×80、40×40、20×20，基于網(wǎng)格的anchor 會在這些提取出的特征圖上進(jìn)行目標(biāo)檢測，以捕捉不同尺度的目標(biāo)信息，提高模型的準(zhǔn)確性和魯棒性。每個檢測器部分都采用了非極大值抑制NMS 機(jī)制以篩選出目標(biāo)框，可以有效去除冗余框，提高算法的效率和速度，并采用了CIOU_Loss 作為損失函數(shù)，進(jìn)一步提升了算法的檢測精度。

2 YOLOv5算法的改進(jìn)

2.1 替換主干網(wǎng)絡(luò)

YOLOv5 算法模型的主干特征提取網(wǎng)絡(luò)采用C3結(jié)構(gòu)，在精度方面表現(xiàn)優(yōu)異，但具有較大的參數(shù)量，面臨模型過于龐大、內(nèi)存要求高、檢測速度慢等問題。在低性能設(shè)備上，如此大而復(fù)雜的模型很難有用武之地。由于模型過于龐大，經(jīng)常面臨內(nèi)存不足的問題。而工地場景中的檢測設(shè)備性能有限，需要小巧、適用度高的模型，而且還可能缺少高性能的GPU 支撐。MobileNet v3 是一種輕量級網(wǎng)絡(luò)，采用了深度可分離卷積等輕量化技術(shù)，具有較小的模型參數(shù)量和計算復(fù)雜度，適合在計算能力較弱的設(shè)備上運行。還可以通過減少卷積核的數(shù)量以縮減通道數(shù)，從而降低計算量和存儲空間要求。這些優(yōu)化策略可以進(jìn)一步提高M(jìn)obileNet v3的計算速度。本文提出將主干特征提取網(wǎng)絡(luò)替換為更輕量的MobileNet v3 網(wǎng)絡(luò)（圖4），以實現(xiàn)網(wǎng)絡(luò)模型的輕量化，平衡速度和精度的要求。

圖4 替換為MobileNet主干網(wǎng)絡(luò)后的結(jié)構(gòu)圖

2.2 加入CA注意力機(jī)制

將YOLOv5 的主干網(wǎng)絡(luò)替換為MobileNet v3 是一種有效的輕量化方法，可以大幅減少模型的參數(shù)量和計算復(fù)雜度。但是，替換后模型的檢測精度下降，為了提高模型的性能同時又不過度增加模型的參數(shù)量與計算量，就需要引入注意力機(jī)制。

目前的輕量級網(wǎng)絡(luò)中，使用SE[5]模塊作為注意力機(jī)制的例子比較常見，然而，SE 模塊僅僅考慮了通道間的信息，忽略了位置信息。BAM[6]和CBAM[7]等注意力機(jī)制通過卷積來提取位置注意力信息，但卷積只能提取局部關(guān)系，缺乏長距離關(guān)系提取的能力。因此采用能夠?qū)M向和縱向的位置信息編碼到注意力通道中的coordinate attention，如圖5，使網(wǎng)絡(luò)能夠關(guān)注大范圍的位置信息又不會帶來過多的計算量開銷，可以在模型輕量化的同時提高目標(biāo)檢測性能。

圖5 在SPPF結(jié)構(gòu)后加入CA注意力機(jī)制的結(jié)構(gòu)圖

3 實驗數(shù)據(jù)集與實驗環(huán)境

實驗環(huán)境采用的操作系統(tǒng)為Ubuntu20.04.06 LTS，使用的CPU 為Intel(R) Core(TM) i9-9920X，主頻 為3.50GHz，GPU 為3 塊NVIDIA GeForce RTX 2080 Ti顯卡，配置12GB顯存，使用Pytorch 1.10.1框架。

實驗采用的數(shù)據(jù)集為公開的Kaggle 數(shù)據(jù)集YOLO helmet/head[8]。YOLO helmet/head 數(shù)據(jù)集共包含22789 張圖片，按照7：2：1 的比例劃分訓(xùn)練集、驗證集和測試集，數(shù)據(jù)集標(biāo)注采用YOLO 格式，標(biāo)簽為head 與helmet。實驗中使用的Batch size 大小為50，epoch為100。

為了降低模型參數(shù)量和計算量，本文選擇將YOLOv5模型的主干網(wǎng)絡(luò)替換為MobileNet v3 Small（即MobileNet v3_1）的主干網(wǎng)絡(luò)，通過修改MobileNet v3 Small 主干網(wǎng)絡(luò)中隱藏層的數(shù)量，生成了四種不同大小的MobileNet v3_X 主干網(wǎng)絡(luò)，分別與不同寬度、深度的YOLO Neck 特征融合網(wǎng)絡(luò)相結(jié)合。基于這些網(wǎng)絡(luò)模型測試安全帽佩戴情況檢測的性能。

此外，本文在修改后的模型上加入了CA 注意力模塊，以進(jìn)一步提升模型的性能，同時不會影響模型的參數(shù)量與計算量。

4 實驗結(jié)果分析（需拆分）

模型訓(xùn)練過程在100輪后停止。訓(xùn)練過程中的指標(biāo)變化如圖6所示。

圖6 100輪訓(xùn)練指標(biāo)變化

為了更直觀地驗證改進(jìn)后的YOLOv5 模型的檢測效果，使用模型對測試集中的圖像進(jìn)行安全帽佩戴情況檢測，并獲得檢測結(jié)果，如圖7 所示。實驗結(jié)果表明，改進(jìn)后的輕量化模型能夠滿足任務(wù)要求。

圖7 安全帽佩戴情況檢測結(jié)果

表1 給出了實驗結(jié)果的對比數(shù)據(jù)。將YOLOv5模型的主干網(wǎng)絡(luò)替換為MobileNet v3 Small 網(wǎng)絡(luò)后，模型的參數(shù)量和計算量都有顯著的下降，但mAP 值也下降了3.95%。盡管如此，替換后的模型仍然需要較高的運行環(huán)境條件。因此，本文進(jìn)一步修改了MobileNet v3 Small 的隱藏層和YOLOv5 模型的Neck 層寬度及深度，以獲得更好的模型性能。這樣組合而成的模型不僅在參數(shù)量和計算量上都有大幅度的下降，而且經(jīng)過訓(xùn)練后的mAP 值也能滿足任務(wù)要求。實驗數(shù)據(jù)的對比表明，加入注意力模塊的模型不僅能夠提升性能，而且對參數(shù)量和計算量幾乎沒有實質(zhì)性的影響?？梢?，加入注意力機(jī)制是一種有效的提高模型性能的方法，特別是在參數(shù)量和計算量都有限制的情況下。因此，建議實際應(yīng)用中要根據(jù)具體情況選擇是否加入注意力機(jī)制，以達(dá)到最佳的檢測性能。上述實驗結(jié)果可以為后續(xù)的目標(biāo)檢測研究提供參考和借鑒。

表1 實驗結(jié)果對比

5 結(jié)束語

大規(guī)模深度學(xué)習(xí)模型在數(shù)據(jù)集上往往能達(dá)到比較高的性能。但在實際的生產(chǎn)應(yīng)用中，為了適應(yīng)特定的任務(wù)和環(huán)境，需要選擇更加適合的模型，以降低成本或提高效率。本文研究了YOLOv5 算法模型的改進(jìn)方法。在滿足任務(wù)要求的模型性能條件下，將其主干網(wǎng)絡(luò)替換為MobileNet v3 Small 網(wǎng)絡(luò)，同時調(diào)整了各層的參數(shù)，使得模型的參數(shù)量和計算量大幅降低，以滿足特定任務(wù)的環(huán)境條件要求；最后，通過引入CA注意力模塊提高模型的性能，而不會增加模型的參數(shù)量和計算量，以滿足任務(wù)的性能要求。