基于少样本数据采样技术与 YOLOv8 的实时多类别头盔违规检测
计算机视觉与模式识别
2023-04-18 v1
摘要
交通安全是一个全球性的重大问题。头盔使用是预防摩托车事故所致头部伤害与死亡的关键因素。然而，头盔使用违规仍是一个显著问题。为识别此类违规，已有研究提出并采用计算机视觉技术实现了自动头盔检测系统。此类系统的实时部署对于交通监控与执法至关重要，然而多数系统并非实时。本研究提出一种鲁棒的实时头盔违规检测系统。所提系统采用一种称为少样本数据采样（few-shot data sampling）的独特数据处理策略，以较少标注构建鲁棒模型，并采用单阶段目标检测模型 YOLOv8（You Only Look Once Version 8）从视频帧中实时检测头盔违规。我们所提方法在 2023 年 AI City Challenge 赛道 5 中获得第 7 名，在实验验证数据上的 mAP 得分为 0.5861。实验结果证明了所提系统的有效性、高效性与鲁棒性。
引用
@article{arxiv.2304.08256,
title = {Real-time Multi-Class Helmet Violation Detection Using Few-Shot Data Sampling Technique and YOLOv8},
author = {Armstrong Aboah and Bin Wang and Ulas Bagci and Yaw Adu-Gyamfi},
journal= {arXiv preprint arXiv:2304.08256},
year = {2023}
}