陈 柳，陈明举，薛智爽，罗仕胜

四川轻化工大学 人工智能四川省重点实验室，四川 自贡643000

随着电子信息技术的发展，机器视觉技术已逐渐应用到社会生产生活的各个领域。在电力生产、施工现场以及交通等领域，未正确佩戴安全帽是造成安全事故的主要因素之一。通过机器视觉技术能实现对施工作业现场安全帽的检测与识别，减少安全事故的发生。

近年来，一些科研人员采用机器视觉技术进行安全帽识别，并获得了一些有效的研究成果。在传统机器学习算法研究方面，主要通过安全帽的形状与颜色特性进行识别。如Park 等人[1]利用颜色直方图与空间关系匹配实现对安全帽的检测。李琪瑞等人[2]通过ViBe 运动目标检测，并结合SVM的特征分类算法，以判断是否佩戴安全帽。刘晓慧等人[3]通过头部区域的Hu 矩特征进行训练得到分类器，从而实现对安全帽的判断。传统的基于机器学习的安全帽检测算法，检测速度较快，但严重依赖人为特征设计和选取，同时由于特征单一，泛化能力较差，无法对复杂施工环境下的目标进行有效检测，导致检测准确率较低。

基于深度学习的卷积神经网络技术在图像处理中表现出较好的性能，越来越多的科研人员将卷积神经网络应用于图像的分类识别中，并取得了较好的识别效果。基于神经网络的目标检测主要分为两阶段网络方法和单阶段网络方法。两阶段网络通过区域提取和分类两个阶段去实现识别，具有较高的检测精度，但由于检测过程存在大量的数学计算，从而导致检测速度较慢[4-5]。……