安全帽佩戴检测算法

安全帽佩戴监控是铁路工程施工人员安全管理中的重点和难点，它对检测算法的准确 率与检测速度都有较高的要求。本文提出一种基于神经网络架构搜索的安全帽佩戴检测算法 NAS-YOLO。该神经网络架构由上、下行操作单元组成，采用二进制门策略对网络架构进行更 新，通过数据驱动的方式自动确定合适的神经网络体系结构。实验结果表明，NAS-YOLO算法 在准确率、召回率及平均检测速度方面均优于实时目标检测算法 YOLOv3，可以在工程施工中 对施工人员安全帽佩戴情况进行实时监控。
关键词 安全帽佩戴；神经网络架构搜索；自动检测；检测算法；实时监控

引言
施工现场环境复杂多变，人群密集，频繁出现工 人不遵守规章所引发的伤亡事故，安全帽作为一 种常见的防护用具，能够有效减轻外来危险源对头 部的伤害，因此，实时监控施工场所工人安全帽佩戴 情况至关重要。 然而人工监管费时费力，无法满足 安全生产要求。 以计算机视觉为技术支撑的智能监 控系统有人力成本低、检测效率高等优势，为自动监 测施工现场工人佩戴安全帽情况的方案落地提供了 技术方向

 

1. 安全帽监控系统逻辑架构
安全帽监控系统的逻辑结构主要分为视频采集、智能视频分析和监控中心3个模块，如图1所示。视频采集模块负责通过摄像机进行视频采 集；智能视频分析模块是通过算法实现目标检测、分类，并进行行为和事件检测，同时还负责对违规行为发出报警信息，是安全帽监控系统的核心模块；监控中心与监控人员直接交互，起到对整个监控系统进行监视和管理的作用。
安全帽监控系统首先由视频采集模块获取视频 数据；再由智能视频分析模块利用目标检测技术提取出视频中的动态目标，同时进行分类；然后，将分类得到的目标信息与预先设定好的报警准则进行逻辑判断，如符合预定准则，则智能视频分析模块向监控中心发送预警或报警信息；如不符合预定准则，则继续进行目标检测［8］。目标检测与分类是通 过人工智能技术（即深度神经网络） 来完成的。与 常用的深度神经网络算法不同，这里介绍通过 NAS算法自动搜索合适的神经网络架构。

2.YOLOv3检测模型
YOLOv3 的主干网络为 Darkent-53，其中，包含53个卷积层和5个残差块，整体网络结构如图 2 所 示。 每个残差块包含残差单元，而残差单元由DBL组件组成，DBL 组件中包括卷积、批量归一化和 Leaky reiu激活函数。 残差单元由DBL通过相加而 成，残差块由DBL和残差单元构成，其中，残差块借 鉴ResNet的思想，增强了特征融合能力。 YOLOv3 通过改变卷积核的步长来实现张量的尺度变换，输 出 3 个不同大小的尺度。

YOLOv3网络结构

3. NAS算法
NAS 算法是自动机器学习领域的热点算法之 一，可通过数据特征自动找到合适的神经网络架 构［9］ 。该算法的原理是光定义搜索空间；然后，通 过搜索策略找出候选网络架构，对候选网络进行评 估；最后，根据评估结果进行下一轮的搜索。由于 NAS 的根本思想是探索各种潜在的解决方案，搜 索空间越大，需要训练与评估的架构就越多，消耗 的资源与时间就越多。因此，搜索空间的设定将直 接影响计算开销。目前 NAS 的主流设计方法为先 基于单元 （cell） 的架构进行设计，再将单元堆叠 在主干网络上，构成整体网络架构，并由此限制搜 索空间大小。换言之，大型网络是由多个单元组成 的，而单元的结构是由整个网络共享的［10］ ，因此主 干网络的选择也十分重要。
目前主流的目标检测算法是 Fast r-cnn［11］ 系列 算法，首先使用神经网络生成待检测预选定位框， 再对预选定位框进行调整和分类，属于两阶段算 法，虽然精度高，但实时性不强。而YOLO （You Only Look Once）［12］ 系列的一阶段算法采用了回归 的思想，直接在图像上回归出预选定位框，同时预 测预选定位框所属类别。YOLO 系列算法的检测 精度虽然略低于 Fast r-cnn 系列，但是运行速度 快，能够很好地完成实时目标检测任务。另外，还 有 SSD （Single Shot MultiBox Detector）［13］ 算法，结合了回归思想和预选定位框机制，使得检测速度和准确率都得到提升。YOLO 系列算法经过不断 更新，其中 YOLOv3［14］ 结合了多种网络设计技 巧，包括了SSD算法中的多尺度特征融合策略［15］ ， 进一步提高了网络的检测性能。因此，本文以 YOLOv3 为基础框架，设计了基于神经网络架构 搜 索 的 YOLO 网 络 ， 即 NAS-YOLO。 NASYOLO由2种单元架构组成，分别是下行单元和上 行单元，并通过基于单元的搜索方式，确定其最终 网络拓扑结构。

3.1 架构搜索方式
对二值化的路径更新使用了 Cai H 等［20］ 提出 的二进制门方法。这是一种数据驱动的方式，具体 操作如下。 1） 在训练网络权重参数时，先冻结架构参数， 并为每批输入的数据随机选取二进制门，根据二进 制门得到存活路径。 2） 在训练数据集中，通过标准梯度下降，更 新存活路径的权值参数。 3） 在训练架构参数时，先冻结权重参数，后 重置二进制门，更新并验证数据集中的架构参数。 这2个更新步骤以替代方式执行，一旦完成架构参 数的训练，就可以通过修剪冗余路径来导出紧凑的 架构。 每次架构参数的更新只涉及2条路径，从而将 内存需求降低到训练紧凑模型的相同水平。

3.2 模型训练
使用安全帽佩戴检测数据集对 NAS-YOLO 算 法进行训练。该数据集共有 7 581 张图像，包含 9 044 个佩戴了安全帽的人像 （正样本），以及 111 514 个普通人像 （没有佩戴安全帽，即负样 本）。随机选取数据集中一半的图像作为训练集， 另一半作为验证集，使用二进制门搜索策略对神经 网络架构进行搜索。其中，批量的大小设置为 8， 共进行了200期的架构搜索优化。 网 络 权 重 训 练 中 ， 选 用 随 机 梯 度 下 降 （Stochastic Gradient Descent，SGD） 优化器，动 量 设 置 为 0. 95， 余 弦 学 习 率 从 0. 025 衰 减 到 0. 01，权重衰减为 0. 0003。架构参数 α 的训练使 用 Adam 优化器［21］，学习率设置为 0. 0003，重 量 衰 减 设 置 为 0. 0001。 使 用 1 块 GeForce RTX 2080ti GPU 对 整 个 架 构 搜 索 ， 大 约 需 要 2 天 时间

4. 结果验证与分析
4.1 算法训练
YOLOv3和NAS-YOLO训练过程中的损失函 数曲线 （Loss Curve） 分别见图2和图3。图中， 损失值越小，表示训练出的模型与数据集的真实模 型越接近；在2次训练过程中，网络损失均保持稳 定下降趋势，YOLOv3在迭代 10 000次左右收敛， NAS-YOLO在迭代 40 000次左右收敛，说明训练 基本顺利；与图2的曲线相比，图3的曲线收敛于 一个更小的值，说明改进后的模型更接近数据集的 真实模型。

4.2 算法测试
将完成模型训练NAS-YOLO网络与现有的目 标检测网络进行对比，并将几种算法分别应用于安 全帽监控系统中，进行安全帽佩戴状态的自动识 别。随机选取2名工地管理人员，对视频中施工人 员是否佩戴安全帽进行识别与判断。一名管理人员 先做出判断，另一名再对其判断结果进行审查与修 正。将2名管理人员的识别判断结果作为真值，评 估 NAS-YOLO 与 SSD、 Fast r-CNN、 YOLOv3 算法的实际应用准确度和运行速度。与其他方法相比，NASYOLO的平均准确率（mean Average Precision，mAP） 最高，达 96. 72%；处理速度也最快，检测速度可达59. 6FPS （Frames Per Second）；但召回率略低 于 Fast r-CNN，而 Fast r-CNN 运行速度慢，无法 应用于实时的目标检测任务。