摘 要：針對當前安全帽在復雜情況下出現漏檢、誤檢和檢測精度低等問題，提出了一種基于改進YOLOv5的輕量級安全帽檢測算法。首先，選用YOLOv5s輕量級模型，將原始非極大值抑制算法（NMS）改為DIoU-NMS，手動設置閾值提高其對密集目標檢測的準確率，改善模型的微調與推理效果。其次，在原算法的主干網絡融入并重構BoTNet網絡，來提升其對小目標信息特征的提取能力，降低訓練的復雜度。最后，在Neck網絡中引入了NAM注意力機制，增強模型的魯棒性，使其更加輕量化。實驗結果表明，改進后的YOLOv5s算法對安全帽佩戴識別的準確率達到98.93%，并能準確識別密集小目標，有效滿足輕量化安全帽佩戴檢測的需求，有利于提高安全檢查和監(jiān)督水平。

關鍵詞：安全帽檢測；YOLOv5；BoTNet網絡；NAM注意力機制；DIoU-NMS；密集小目標

中圖分類號：TP391.41 文獻標識碼：A 文章編號：2095-1302（2025）02-000-06

0 引 言

近年來，隨著現代工業(yè)化生產的不斷發(fā)展，自動化和智能化已成為工業(yè)生產應用中的重要研究方向。其中，自動檢測和識別技術在保障工業(yè)生產安全方面發(fā)揮著越來越重要的作用。對于建筑行業(yè)而言，工人按要求佩戴安全帽是保障施工安全的重要環(huán)節(jié)。隨著我國基礎設施建設的快速發(fā)展，建筑工地安全事故也逐年增加，因此對建筑工地工人的安全帽佩戴情況進行研究，對于深入了解和預防安全事故的發(fā)生具有重要意義。

目前，大部分建筑工地的安全帽佩戴管理主要通過人工監(jiān)管的方式，但由于施工現場存在作業(yè)面積廣、人員流動性大的特點，通過人工監(jiān)管很難實時掌握各個施工單位的具體安全情況，不僅耗時長且效率低下，還存在誤檢、漏檢等情況。隨著人工智能的不斷發(fā)展，基于深度學習的目標檢測方法在安全帽佩戴檢測領域可實現對施工現場的實時監(jiān)測，既節(jié)約了人力成本，又提高了安全性，為安全生產和執(zhí)法、打造智能安全管理系統提供了很好的技術保障。文獻[1]結合Hu矩陣和支持向量機對人員安全帽佩戴情況進行了檢測。

文獻[2]使用類似Haar的特征檢測人臉方法，再使用邊緣檢測算法查找安全帽輪廓特征實現對安全帽佩戴情況的檢測。文獻[3]通過選取SIFT角點特征和顏色統計特征的方法來進行安全帽佩戴情況檢測。近年來，以SSD和YOLO為代表的單階段算法在檢測速度方面具有優(yōu)勢。文獻[4]提出了遵循“one-stage”思想的YOLO網絡，它可以將整張圖像作為網絡的輸入，僅通過一次前向傳播就能得到目標的位置和類別，這為安全帽檢測提供了一個新的思路。文獻[5]利用YOLOv3算法對圖像中的人臉區(qū)域進行定位，根據人臉與安全帽的關系估算出安全帽的可能區(qū)域，再利用HOG進行特征提取，借助SVM分類器判斷相關人員是否佩戴安全帽。文獻[6]提出了一種以YOLOv2目標檢測方法為基礎，并在原網絡中加入密集塊的方法，以實現低層語義信息與深層語義信息的結合，從而解決傳統檢測方法準確率低、魯棒性差的問題。文獻[7]提出了YOLOv4模型，使用CSPDarkNet53主干網絡進行特征提取，該算法檢測精度高，可滿足安全帽佩戴檢測精度的要求，但由于網絡較為復雜，實時性需求難以得到滿足。上述改進算法檢測的速度和準確率不夠理想，且未能及時解決準確識別密集小目標的問題。

因此，本文以輕量級模型YOLOv5s為基礎，首先，將原始NMS算法改進為DIoU-NMS，提高對密集目標檢測的準確率；其次在主干網絡引入并重構BoTNet網絡結構，不僅提升了其對小目標信息特征的提取能力，還能降低訓練的復雜度；最后，在Neck網絡中引入了NAM注意力機制，增強了模型的魯棒性。

1 YOLOv5s網絡結構

YOLO是一種專注于目標檢測的深度神經網絡，屬于單階段算法模型，可完成端到端目標檢測任務[4]。YOLOv5基于YOLO改進得到，在預測精度和速度上取得了較好的平衡。按模型參數規(guī)模劃分，YOLOv5主要包含5種架構：YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x。其中，YOLOv5s模型具有訓練速度快、檢測精度高、模型權重小等優(yōu)點，被廣泛應用。YOLOv5s網絡架構如圖1所示[8-9]。

YOLOv5s框架主要由Backbone主干網絡、Neck網絡和Head網絡組成。首先，Backbone主干網絡主要對輸入圖像的特征信息進行提取，形成圖像特征的卷積神經網絡。隨著網絡的深入，將得到的輸出圖像傳輸到Neck網絡部分，再通過特征金字塔網絡（Feature Pyramid Network， FPN）和像素聚合網絡（Pixel Aggregation Network， PAN）來聚合不同檢測層的特征信息，FPN層從上到下傳輸強語義特征，PAN層從下到上傳輸強定位特征進行補充，這種組合有助于識別不同大小和比例的物體。最后，Head網絡根據Neck網絡傳輸的圖像特征輸出目標的預測框和類別。

YOLOv5s具有又快又強的網絡推理能力、高檢測精度和良好的實時性能，并且權重較小，適合部署到小型移動設備上。因此，本文選擇對YOLOv5s的主干網絡和Neck進行改進優(yōu)化，以更好地滿足實時、輕量級和高精度的要求。

1.1 NMS算法

NMS算法在基于深度學習的目標檢測中通過對比篩選出局部極大值，從而得到最優(yōu)解[10-11]。在目標檢測過程中，會產生大量的候選框，通過NMS選擇置信度最大的候選框，然后將其與剩余的檢測框進行計算，得到交并比IoU，如式（1）所示：

（1）

式中：A與B為2個預測框；交并比IoU為A和B交集與并集之比。標準NMS抑制函數如式（2）所示：

（2）

式中：si為置信度；bi為預測框；M為得分最高的預測框；Nt為設定的閾值。將IoU超過設定閾值的檢測框設置為0，繼續(xù)重復上述操作直至得到最準確的預測框。

在目標檢測領域，NMS算法在處理重疊的目標框時，可能會因重疊面積過大而將分數較低的目標框刪除，導致漏檢。在某些情況下，分數較低的目標框可能仍包含有用的信息。此外，需要慎重考慮NMS的閾值，閾值設置過低可能會導致漏檢，而閾值設置過高則可能導致誤檢。閾值的選擇需要基于具體的應用場景和目標檢測任務的特性進行細致的權衡和考慮。

基于此，本文對NMS進行改進，使用DIoU-NMS替換原始NMS算法[12]，這不僅考慮了重疊區(qū)域，同時還對2個預測框中心點之間的距離進行了判斷，計算如式（3）、式（4）所示：

（3）

（4）

式中：Ti為分類置信度；ε為NMS所設定的閾值；M為置信度最高的預測框；RDIoU為在IoU損失函數的基礎上所添加的懲罰項，用于最小化2個預測框之間的中心點距離；b為預測框中心；bgt為真實框中心；ρ為預測框與真實框的中心距離；c為包含了2個框的最小矩形框的對角線長度。當2個預測框之間的IoU較大，但2個框的距離又較遠時，認為預測框屬于2個物體，不會被抑制。相比于原算法，改進的算法對密集目標、小目標等的檢測精度有一定的提高。

1.2 BoTNet網絡

BoTNet是Berkeley和谷歌團隊在2021年CVPR上提出的一種混合模型[13-14]，它同時使用了卷積和自注意力機制，模型將自注意力納入了多種計算機視覺任務，將殘差網絡（Residual Network， ResNet）最后3個瓶頸塊中的空間卷積用全局自注意力模塊進行替換，即多頭自注意力（Multi-Head Self-Attention， MHSA）替換3×3卷積參數（Conv），構成的新模塊為BoTNet。BoTNet模塊結構如圖2所示。

BoTNet模塊結構簡單，功能強大，其充分利用了卷積網絡與自注意力的優(yōu)勢，對不重要的目標特征進行了抑制并降低了特征的權重，從而提升了模型檢測識別的能力。本文選擇將此結構融入到YOLOv5s的主干網絡中，重建其特征提取網絡結構，以有效減少參數從而將延遲最小化。

1.3 NAM注意力模塊

NAM是一種高效的輕量級注意力機制[15-16]，其主要由通道注意力子模塊（Channel Attention Module， CAM）和空間注意力子模塊（Spatial Attention Module， SAM）組成。本文重新設計了NAM的CAM和SAM，使得NAM可以嵌入到每個網絡block的最后。對于ResNet，它嵌入在殘差結構的末端，利用權重的貢獻因子來改善注意力機制。對于CAM，則借助批量歸一化（Batch Normalization， BN）中的比例因子，使用標準差來表示權重的重要性，如式（5）所示。比例因子可反映各個通道的變化情況，進一步表示了該通道的重要性。BN中的方差越大，表示該通道所包含的信息越豐富，重要性越高；反之方差越小，表示信息越單一，重要性越低。

（5）

式中：μβ和σβ分別表示小批量β的均值和標準差；γ和b表示可訓練的仿射變換參數，即尺度和位移；φ表示為了數值穩(wěn)定而添加到小批量方差中的常數。

CAM如圖3所示。

輸出特征MC和權重ωθ如式（6）、式（7）所示：

（6）

（7）

式中：θ為每個通道的比例因子。Sigmoid為激活函數，形式如

式（8）所示：

（8）

SAM如圖4所示。NAM將BN的比例因子應用于空間維度以衡量像素的重要程度，稱為像素歸一化（Pixel Normalization， PN）。

權重ωλ和輸出特征MS如式（9）、式（10）所示：

（9）

（10）

式中：λ為比例因子。Sigmoid為激活函數，形式同式（8）。

此外，為了抑制不重要的特征，在損失函數Loss中添加了一個正則化項L（*）。損失函數Loss和正則化項L（*）分別如式（11）、式（12）所示：

（11）

（12）

式中：x和y分別表示輸入和輸出；W表示網絡權重；g（ ）表示L1范數懲罰函數；p表示平衡g（λ）和g（θ）的懲罰項。

該注意力機制保留了通道和空間方向上的信息，增強了它們之間跨緯度的交互性，通過減少信息和放大全局交互表示來提高網絡的性能，提高了模型檢測效果。本文在Neck網絡中融合了NAM注意力機制，在不增加全連接、卷積等額外的參數和計算量的前提下，提升了注意力的效果并使模型更加輕量化。

1.4 改進的YOLOv5s

圖5為改進的YOLOv5s網絡構架，其主干網絡添加了BoTNet和在Neck網絡中融合的NAM。通過引入BoTNet，模型能夠在保持較小規(guī)模的同時，學習到更豐富的特征表示。這有助于提高模型的檢測性能，同時減少模型的計算量和內存占用。為進一步提高準確性，在YOLOv5s的Neck網絡中融合NAM模塊。NAM模塊可與FPN結構結合，根據輸入特征自動調整其通道數和卷積核的大小。這種自適應的特性使得NAM能夠更好地適應不同尺度和長度的特征，從而提供更準確的目標檢測結果。本文提出改進的YOLOv5s網絡結構，使得模型能夠更好地利用圖像中的局部和全局信息，從而提升檢測目標的檢測精度與檢測速度。

2 實驗結果與分析

2.1 實驗準備

本文的實驗環(huán)境配置見表1。

實驗數據集：數據集選用不同復雜場景下的圖片素材以增強模型的泛化能力，篩選出2 319張圖片，使用LabelImg軟件標注，構建出本文安全帽檢測數據集。將數據集分為正確佩戴安全帽“Hat”和未佩戴安全帽“Head”2類，不同場景的展示如圖6所示。

2.2 評價指標

為證明實驗方法的有效性，本文選擇精確率P、召回率R和均值平均精度mAP作為評價指標來評估模型性能[17]，其計算如式（13）、式（14）所示：

（13）

（14）

式中：TP為被模型正確劃分為正樣本的數量；FP為被模型錯誤劃分為正樣本的數量；FN為被模型錯誤劃分為負樣本的數量；AP為單個類別的平均精度，即通過積分法計算出的P-R曲線與橫縱坐標所圍成的面積；mAP即為所有類別AP值的均值。計算如式（15）、式（16）所示：

（15）

（16）

2.3 實驗結果及對比分析

本文采用自制數據集來進行訓練和測試，并且對不同的目標檢測模型進行實驗和評價。訓練時輸入的圖像大小為640×640，初始學習率設為0.001，權重衰減為0.005，batch size為8，epoch共迭代300個。

2.3.1 消融實驗

為驗證所提方法的有效性，本文對DIoU-NMS算法、BoTNet網絡、NAM注意力機制等在相同的實驗條件下進行消融實驗，選擇正確佩戴安全帽的類別“Hat”進行對比，目的是驗證融合各個模塊時對檢測效果的影響。消融實驗結果見表2。在引入單一注意力模塊NAM或DIoU-NMS時，AP值略有降低；融合BoTNet網絡結構后，AP值提高了0.14個百分點；在運行本文的改進方法時，AP值提高了0.99個百分點。因此選擇在此方法基礎上進行實驗。

2.3.2 不同檢測模型性能對比

為進一步檢驗本文中提出的改進方法的性能，選擇Faster R-CNN、YOLOv3、YOLOv4、YOLOv5等具有代表性的目標檢測算法進行對比實驗[18]，基于相同的數據集、參數、訓練策略，不同算法模型性能實驗結果見表3。實驗結果表明，改進后的模型權重明顯減小，達到12.6，對安全帽佩戴識別的準確率較高，mAP值達到98.93%，高于其他算法模型。

此外，為了證明輕量化改進的有效性，本文對改進前后模型的參數指標進行了對比，見表4。本文所提方法在層數略有增加的前提下，參數量較原算法大幅減少，權重降低了1.1，使模型更加輕量化，并降低了模型計算的復雜度。

2.4 在密集小目標場景的應用

為進一步表征改進算法的優(yōu)勢，選取密集場景和復雜場景來進行對比實驗（圖7）。第一行圖片為YOLOv5的檢測結果，第二行為改進算法的檢測結果。如圖7（a）所示，在密集場景下，改進算法可正確識別全部目標，而YOLOv5的識別效果不佳，存在漏檢的情況（圖片中使用白色框顯示）。在復雜的室外環(huán)境中，改進算法可正確識別所有小目標，而YOLOv5存在4處漏檢情況，如圖7（b）所示。

3 結 語

為提高在復雜場景下安全帽佩戴的檢測效果，本文提出了一種改進的安全帽智能檢測方法。針對不同的場景自制數據集進行訓練，對YOLOv5s檢測模型進行了輕量化改進，將NMS改為DIoU-NMS，提高了在密集場景中的目標檢測精度，并從主干網絡和Neck網絡入手，重建其特征提取網絡結構，實現了對密集小目標的識別，有效提升了對安全帽佩戴情況的識別精度，降低了模型的訓練難度和模型權重，使其易于在移動設備中使用。

參考文獻

[1]劉曉慧，葉西寧.膚色檢測和Hu矩在安全帽識別中的應用[J].華東理工大學學報，2014，40（3）：365-370.

[2] SHRESTHA K， SHRESTHA P P， BAJRACHARYA D， et al. Hard-hat detection for construction safety visualization [J]. Journal of construction engineering， 2015， 2015： 1-8.

[3]馮國臣，陳艷艷，陳寧，等.基于機器視覺的安全帽自動識別技術研究[J].機械設計與制造工程，2015，44（10）：39-42.

[4] REDMON J， DIVVALA S， GIRSHICK R， et al. You only look once： unified， real-time object detection [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Las Vegas， NV， USA： IEEE， 2016： 779-788.

[5]楊莉瓊，蔡利強，古松.基于機器學習方法的安全帽佩戴行為檢測[J].中國安全生產科學，2019，15（2）：152-157．

[6]方明，孫騰騰，邵楨.基于改進YOLOv2的快速安全帽佩戴情況檢測[J].光學精密工程，2019，27（5）：1196-1205.

[7] QI X， SHI L， LI L， et al. Detection of abnormal hot spots infrared images of power equipment based on YOLOv4 [C]// Journal of Physics： Conference Series. Bristol， England： IOP Publishing， 2021， 2005（1）： 012074.

[8] ZHOU F， ZHAO H， NIE Z. Safety helmet detection based on YOLOv5 [C]// Proceedings of 2021 IEEE International Conference on Power Electronics， Computer Applications， ICPECA 2021. Shenyang， China： Institute of Electrical and Electronics Engineers， 2021："6-11.

[9] YANG G， LEI Q. The system of detecting safety helmets based on YOLOv5 [C]// 2021 International Conference on Electronic Information Engineering and Computer Science， EIECS 2021. [S.l.]： Institute of Electrical and Electronics Engineers， 2021： 750-755.

[10] QIU S， WEN G， DENG Z， et al. Accurate non-maximum suppression for object detection in high-resolution remote sensing images [J]. Remote sensing letters， 2018， 9（3）： 237-246.

[11] WU F， ZHU C， XU J， et al. Research on image text recognition based on canny edge detection algorithm and k-means algorithm [J]. International journal of system assurance engineering and management， 2022， 13： 72-80.

[12] ZHENG Z， WANG P， LIU W， et al. Distance-IoU loss： faster and better learning for bounding box regression [C]// Proceedings of the AAAI Conference on Artificial Intelligence. [S.l.]： [s.n.]， 2020， 34（7）： 12993-13000.

[13] SRINIVAS A， LIN T Y， PARMAR N， et al. Bottleneck transformers for visual recognition [C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）. NashVille， TN， USA： IEEE， 2021： 16519-16529.

[14] CHEN Y， XIA S， ZHAO J， et al. ResT-ReID： transformer block-based residual learning for person re-identification [J]. Pattern recognition letters， 2022， 157： 90-96.

[15]李小波，李陽貴，郭寧，等.融合注意力機制的YOLOv5口罩檢測算法[J].圖學學報，2023，44（1）：16-25.

[16]LIU Y， SHAO Z， TENG Y， et al. NAM： Normalization-based attention module [EB/OL]. （2021-11-24）. https： //doi.org/10.48550/arXiv.2111.12419.

[17]呂宗喆，徐慧，楊驍，等.面向小目標的YOLOv5安全帽檢測算法[J].計算機應用，2023，43（6）：1943-1949.

[18]儲開斌，葉托，張繼.基于改進Faster R-CNN的頭盔檢測算法研究[J].國外電子測量技術，2022，41（6）：86-92.

作者簡介：鄒 磊（1985—），男，廣西柳州人，工程師，研究方向為大數據、圖像處理和人工智能。

收稿日期：2024-01-12 修回日期：2024-02-26

基金項目：廣西重點研發(fā)計劃資助項目（AB22035047）；廣西重點研發(fā)計劃資助項目（AB23026038）