使用YOLOv5与集成学习实时检测头盔违规
计算机视觉与模式识别
2023-04-20 v1
摘要
妥善执行摩托车头盔法规对于确保摩托车乘客和骑行者的安全至关重要，因为如果没有适当的执行系统，道路骑行者和乘客不太可能遵守这些规定。本文提出并评估了一种实时YOLOv5深度学习（DL）模型，用于检测摩托车上的骑行者和乘客，识别被检测人员是否佩戴头盔。我们在以10 fps录制的100个视频上训练模型，每个视频20秒。我们的研究证明了DL模型即使在具有挑战性的光照和天气条件下也能准确检测头盔违规者的适用性。我们在研究中采用了多种数据增强技术，以确保训练数据足够多样，从而有助于构建鲁棒模型。所提模型在100个测试视频上测试，产生了0.5267的mAP分数，在AI City Track 5公开排行榜上排名第11。将深度学习技术用于图像分类任务（如识别佩戴头盔的骑行者）在改善道路安全方面具有巨大潜力。该研究表明了深度学习模型在智能城市和应用及执行交通法规中的潜力，并可部署于实时城市级监控。
引用
@article{arxiv.2304.09246,
title = {Real-Time Helmet Violation Detection Using YOLOv5 and Ensemble Learning},
author = {Geoffery Agorku and Divine Agbobli and Vuban Chowdhury and Kwadwo Amankwah-Nkyi and Adedolapo Ogungbire and Portia Ankamah Lartey and Armstrong Aboah},
journal= {arXiv preprint arXiv:2304.09246},
year = {2023}
}