吕志轩，魏 霞，马志钢

新疆大学 电气工程学院，乌鲁木齐 830000

目前我国建筑行业仍处在一个持续发展的阶段，每年建筑从业人员都在增加，根据国家统计局发布的数据显示，与2016年相比，2020年我国工程监理从业人员增长39%，达到139万人；执业人员增长60%，达到40万人。随着从业人数的增加，每年因为未佩戴安全帽产生的安全事故也随之增加，给建筑行业带来了人员和财产的损失。目前在建筑工地中，仍然采用人工监督的方法判断工作人员是否佩戴安全帽，这种方法存在很大的缺陷，因为工作环境范围大，一人监督的范围有限很可能出现漏检的区域，如果分配多人进行监督则会增加人工成本。因此有研究者从人员安全和工程建设成本两个方面考虑，提出了基于目标检测技术的安全帽检测方法，该方法平衡了人员安全和工程建设成本之间的关系。近几年目标检测技术不断发展，在对安全帽检测方法的研究上也取得了一些成果，虽然基于目标检测的安全帽检测方法还未大范围使用，但作为保障生产安全的一项重要技术，未来在建筑工地、煤矿、变电站等工作环境下需求广泛。

目前对安全帽的检测方法分为传统检测方法和基于卷积神经网络的检测方法。传统的目标检测方法依靠人工构造被检测对象的特征，主要有HOG特征+SVM[1]、Harr特 征+Adaboost[2]、DPM特 征[3]等 算 法。Marayatr等[4]使用霍夫变换（Hough transform）方法检测摩托车行进过程中的头盔形态特征，检测准确率达到77%。这些传统算法仅适用于固定的特征，一旦检测目标的特征发生变化或者特征具有多样性，检测的准确性便会下降，鲁棒性较差。……