摘要
当前中国电动车数量越来越多，每日出行频次也越来越高，由电动车引发的交通事故屡见不鲜。而佩戴头盔是保护电动车骑行人员生命安全最有效的方法，近些年来国家也不断号召人们骑行时做到“一盔一戴”。因此开展电动车骑行人员头盔佩戴检测研究对于个人生命安全有重要意义。能够帮助交警快速了解城市中电动车骑乘人员头盔佩戴率低的路段并对其进行重点关注，提高头盔佩戴率。 针对道路环境下电动车骑行人员头盔佩戴检测任务中存在的小尺寸、密集等难检测目标，造成检测准确率低，误检、漏检严重等问题，本文基于SSD网络提出了EfficientNetV2-SSD网络。首先针对SSD网络中的特征提取网络VGG16存在特征提取能力弱、体积过大等问题，使用EfficientNetV2轻量化网络对其进行替换；其次，对于SSD网络的多尺度检测机制对提取到的特征信息没有充分融合利用的问题，使用路径聚合网络来融合特征信息，提高对不同尺寸目标的检测能力；最后对SSD网络的预设先验框进行改进，提高网络对目标的定位精度。实验结果表明，本文提出的算法平均精度均值达到了87.45%，比原算法提高了7.01%。有效提升了在道路环境下头盔佩戴的检测效果。 道路检测中遇到能见度低的雾霾天气、低照度环境使模型难以获得目标整体特征，导致用于训练的特征信息大大减少。针对以上问题，对YOLOv5s网络进行了改进。首先在YOLOv5s的特征提取网络中加入CA注意力机制，提取到更多有用特征；其次，在深层特征融合网络中引入ConvNeXt残差模块，扩大感受野，增强空间信息交互，减少深层网络在进行卷积操作时特征信息的损失；最后使用SIoU Loss替换原位置损失函数，使预测框更快更准确地回归到真实框，提高网络训练时的收敛速度。实验表明，改进后的YOLOv5s算法的平均精度均值为96.95%，相比于原YOLOv5s算法提升了1.65%，同时检测速度得到有效提升。从检测效果来看，漏检、误检目标数量大大减少。 最后，为了更加直观地反映骑行人员是否佩戴头盔，本文基于Python语言，使用PyQt5图形可视化开发工具设计开发了软件系统。该系统能够完成对本地图片、视频的检测，具备调用摄像头实时检测功能，提升了检测效率，具有一定的实际应用价值。
NETL