摩托车头盔佩戴检测算法研究综述

2022-08-03张之云苏山杰

汽车文摘 2022年8期

关键词：驾驶员特征检测

张之云苏山杰

（重庆交通大学机电与车辆工程学院,重庆 400074）

主题词：摩托车头盔佩戴检测深度学习目标检测

NMS Non Maximum Suppression

KNN K-near Neighbor

SIFT Scale Invariant Feature Transform

LBP Local Binary Patterns

HOG Histogram of Oriented Gradient

HOI Human Object Interaction

CNN Convolutional Neural Network

SPP Spatial Pyramid Pooling

FCN Fully Convolutional Networks

SSD Single Shot Multi Box Detector

RSSD Rainbow-SSD

SVM Support Vector Machine

RPN Region Proposal Network

YOLO You Only Look Once

ROI Region of Interest

GPU Graphics Processing Unit

COCO Common Objects in Context

MAP Mean Average Precision

CSPNet Cross Stage Partial Networks

DIoU Distance Intersection over Union

CBAM Convolutional Block Attention Module

1 引言

一些欠发达地区，摩托车作为出行的主要工具，驾驶的安全问题越来越受到社会的关注。摩托车头盔的佩戴对驾驶员的安全十分重要。据世界卫生组织（WHO）预测，2022 年中国的摩托车保有量达到7 925.1 万辆，到2030 年摩托车保有量下降到7 500 万辆。摩托车事故中，头部受伤是导致死亡的主要原因。正确佩戴头盔能降低42%的死亡率和69%的受伤率，摩托车头盔能有效的保障驾驶者及乘客的安全。因此，在行驶过程中能及时有效的检查驾驶人员的头盔佩戴情况对减少交通伤亡事故非常重要。

最原始的头盔佩戴检测方法是交通部门派遣工作人员现场监督。这种检测方法存在许多弊端，首先需要大量的资金和人力资源的投入，同时检查效率变低、危险性大、容易造成道路拥堵的情况。

随着计算机科学的迅速发展和智能交通的兴起，对于一些特定场景下的目标可以采取自动检测的方法，这些方法可以分为传统的机器视觉检测方法和基于深度学习的检测算法两种类型。本文先对摩托车头盔检测方法进行综述，总结目前存在的问题，最后对摩托车头盔佩戴检测方法的未来发展进行展望。