陈颖，焦良葆，曹雪虹，

（1.南京邮电大学通信与信息工程学院，南京 210003；2.南京工程学院人工智能产业技术研究院，南京 211167）

0 引言

近年来，多媒体技术迅猛发展，图像识别技术作为计算机视觉领域中的重要分支，被广泛应用到航天航空领域、军事领域、公共安全领域、工农业等相关领域。而伴随着国家大力发展基础建设，全国建筑业安全生产理念也逐步进行推广，为了提高建筑业对施工人员的安全帽佩戴检测［1］情况，降低由于作业人员没有佩戴安全帽而造成的事故发生率，将图像识别技术［3］应用到实时检查工人是否佩戴安全帽非常重要［2］。本文使用YOLO网络［4］对施工场所的施工人员是否佩戴安全帽进行检测，由于会产生漏检错检情况，导致最终结果的不准确。所以本文考虑通过检测出漏检错检图片，并对其错误检测数据进行矫正。

1 目标检测算法

1.1 数据获取

通过实地施工场所拍摄的视频，并对数据集进行筛选，选取符合课题的视频，使用opencv［5］将每个视频切分成帧图片，建立目标检测的训练集和测试集，包含了背光、逆光、近距离、远距离、部分遮挡和安全帽种类各异等情况，并将所述数据集划分为训练数据集和测试数据集，部分样本数据如图1所示。并采用LabelImg标注工具［6］通过对每一张图像中的目标进行人工标记感兴趣区域和类别标注。

图1 安全帽佩戴样本图像

1.2 目标检测算法

YOLOv3网络是由Joseph Redmon等［7］提出的一种目标检测算法。传统的YOLOv3网络对视频流的目标检测［8］框架如图2所示。……