蒋润熙，阿里甫·库尔班，耿丽婷

新疆大学 软件学院，乌鲁木齐 830046

近些年越来越多在人工智能上的研究被应用到生活中。安全帽是工人在施工现场的重要防护工具，但许多工人因安全帽缺乏舒适感而选择不佩戴，这将危及工人的生命安全[1]。因此实时监控工人是否正确佩戴安全帽十分重要，但工地上作业环境危险，不适合用人力进行实时监控，所以考虑将机器视觉应用其中，代替人力进行安全帽佩戴检测。这可以一定程度上预防安全事故的发生，保证工人的安全。

安全帽检测由于施工环境复杂、摄像头拍摄角度、摄像头距离目标的距离远近等问题，国内外许多学者对其进行研究。刘晓慧等[2]利用肤色检测定位人脸区域，将Hu矩作为图像的特征向量，利用支持向量机（Support Vector Machine，SVM）作为分类器对安全帽进行识别。冯国臣等[3]选取SIFT角点特征和颜色统计特征的方法进行安全帽检测。Park等[4]通过HOG特征提取来检测人体，而后通过颜色直方图识别安全帽。李琪瑞[5]提出研究如何定位头部区域以及安全帽颜色特征的计算来检测安全帽。虽然以上方法可以有较好的精度需求，但传统检测算法存在特征提取困难、泛化能力差等问题，还需进一步的改进。由于神经网络的发展，深度学习在目标检测领域已有很好的效果，许多研究者进行研究[6]。

基于深度学习的目标检测算法一般分为双阶段检测和单阶段检测算法。双阶段检测算法包括物体定位和图像分类两个步骤。……