AI City Challenge 2023中基于遗传算法增强YOLOv5的实时头盔违规检测
计算机视觉与模式识别
2024-03-01 v2
摘要
本研究关注实时监控系统，将其作为解决不遵守头盔法规问题的一种手段，该行为显著增加了摩托车驾驶者或骑行者的风险。尽管头盔使用的优势已得到充分证实，但由于多种促成因素，实现广泛遵守仍然具有挑战性。为有效解决此问题，实时监测与执行头盔法规已被提出作为一种可行方案。然而，先前实时头盔违规检测的尝试受其有限实时运行能力的阻碍。为克服此限制，本文介绍了一种新颖的实时头盔违规检测系统，其利用YOLOv5单阶段目标检测模型。该模型在2023 NVIDIA AI City Challenge 2023 Track 5数据集上训练。训练模型的最优超参数使用遗传算法确定。此外，实施了数据增强和各种采样技术以提升模型性能。使用精确率、召回率和平均精度均值（mAP）指标评估模型效能。结果显示，训练数据的精确率、召回率和mAP分数分别令人印象深刻地达到0.848、0.599和0.641。此外，模型在测试数据集上取得了0.6667的显著mAP分数，在公开排行榜上获得第4名的佳绩。这一创新方法代表了该领域的显著突破，并具有极大潜力大幅增强摩托车安全性。通过实现实时监测与执行能力，本系统能够促进头盔法规遵守度的提升，从而有效降低摩托车骑行者和乘客面临的风险。
引用
@article{arxiv.2304.09248,
title = {Real-Time Helmet Violation Detection in AI City Challenge 2023 with Genetic Algorithm-Enhanced YOLOv5},
author = {Elham Soltanikazemi and Ashwin Dhakal and Bijaya Kumar Hatuwal and Imad Eddine Toubal and Armstrong Aboah and Kannappan Palaniappan},
journal= {arXiv preprint arXiv:2304.09248},
year = {2024}
}