刘 琛，王江涛

(淮北师范大学 物理与电子信息学院，安徽 淮北 235000)

持续的交通机动化导致全球道路相关伤亡人数持续增加。为了应对这种局面，各国政府正把重点放在安全和安全方面在交通中遵守行为。然而，对于摩托车的安全驾驶规范，安全的全面的头盔使用的标准十分重要。我国城市道路阡陌交通，在许多城市若路途较近，人们多会选择摩托车作为代步工具上下班以及接送孩子上下学。同时，如今的外卖产业新起，外卖员多是驾驶摩托车进行配送。在这些情况下摩托车驾驶人佩戴头盔对预防伤害，保护他人和自身安全至关重要。因此，将人工智能应用于道路安全中来检测摩托车手是否佩戴头盔有十分重要的意义。

与传统的机器学习和图像处理方法相比，基于深度学习的物体检测网络通常具有更加精准的识别率和更快的识别速度，近年来，目标检测方向的深度学习算法可以大体上划分为两阶段(two-stage)算法和单阶段(one-stage)算法。Faster R-CNN[1]是两阶段算法的代表网络。此网络先通过一些预处理方法在预测图片上生成若干目标候选框，再使用一些常用的卷积神经网络如VGG-16[2]训练参数进行样本的分类。一般使用两阶段算法的网络进行训练准确率更高，但计算成本较大，所以影响了网络的训练速度。后来推出的如YOLO[3]，SSD[4]等单阶算法目标检测方法是直接将目标边框定位的问题转化为回归问题处理能进行端到端检测，没有候选框，速度快，实时性好，但是牺牲了一定的准确率。……