基于深度学习检测摩托车头盔佩戴情况

交通的持续机动化导致全球道路交通死亡与受伤人数持续上升。为应对此问题，政府正着力于强制推行安全与守法交通行为。然而，尤其在以摩托车为主要交通工具的发展中国家，缺乏关于摩托车头盔佩戴这一安全关键行为指标的全面数据。该数据缺失阻碍了对于伤害预防至关重要的针对性执法与教育活动。因此，我们利用深度学习方法开发了一种从视频数据中自动记录摩托车头盔佩戴情况的算法。基于在缅甸全国 7 座城市多个观测点收集的 91,000 张标注视频帧，我们训练算法检测行驶中的摩托车、车上骑行者的数量与位置及其头盔佩戴情况。在标注测试数据集上对算法精度的分析，以及与现有人工记录头盔佩戴数据的比较，揭示了我们的方法具有较高精度。与人工观测者相比，我们的算法记录摩托车头盔佩戴率的误差为 -4.4% 至 +2.1%，且对各观测点的训练需求极小。若无观测点特定训练，头盔佩戴检测精度略有下降，取决于若干因素。我们的方法可部署于现有路边交通监控基础设施中，并能以实时速度促进有针对性的数据驱动伤害预防活动。本文讨论了所提方法的意义以及可进一步提升检测精度的措施。