肖体刚， 蔡乐才， 汤科元， 高 祥， 张超洋

(1.四川轻化工大学自动化与信息工程学院， 四川 自贡 643000；2.宜宾学院三江人工智能与机器人研究院， 四川 宜宾 644000)

引 言

在施工、生产和煤矿作业中，安全帽是一种保护工作人员头部的工具[1]，在作业过程中是必须要求所有人员佩戴。安全帽可以保护头部免受高处坠物对头部的冲击力，减轻头部在重压下受到的损伤，从而保护工作人员在危机时刻的生命安全[2]。根据权威机构的部分统计显示，施工场所造成的伤亡事故大部分都是因为没有佩戴安全帽造成的，为了降低施工人员因没有佩戴安全帽造成的事故率，有必要对人员进行安全帽佩戴检测[2]。另外，在准确检测出安全帽佩戴情况的前提下，快速检测出未佩戴安全帽人员，并及时给予预警和提醒，也会大大降低因未佩戴安全帽造成的生命和财产损失发生率[2]。因而，在工厂等需要佩戴安全帽的场所中，及时并准确地检测出安全帽佩戴情况是一个值得研究的问题。

近年来，卷积神经网络提取图像特征为分类等任务带来了很大的提升，这引起了很多计算机视觉方向学者的青睐，很多研究机构也是在此基础上进行了一系列的视觉任务研究，其中基于深度学习的目标检测尤为热门，产生了许多经典的目标检测算法。Girshick等[3]在2014年结合了卷积网络和候选区域框算法(selective search)提出了区域卷积神经网络(R-CNN)算法，揭开了深度特征的目标检测序幕。2015年，Girshick等[4]在R-CNN的基础上提出了Fast-RCNN算法，先进行全图的卷积特征提取后再进行候选框的提取，很大程度上提升了检测的速率。……