VisionGuard：用于头盔违规检测的协同框架
计算机视觉与模式识别
2025-06-27 v1
摘要
在摩托车骑行者中执行头盔法规对于提升道路安全和确保交通管理系统的有效性至关重要。然而，由于环境多变性、摄像头角度以及数据不一致性，头盔违规的自动检测面临重大挑战。这些因素阻碍了摩托车和骑行者的可靠检测，并破坏了目标分类的一致性。为了应对这些挑战，我们提出了 VisionGuard，这是一个协同的多阶段框架，旨在克服逐帧检测器的局限性，特别是在类别不平衡和标注不一致的场景中。VisionGuard 集成了两个关键组件：自适应标注模块和上下文扩展器模块。自适应标注模块是一种基于跟踪的优化技术，通过利用跟踪算法在帧之间分配持久标签并纠正误分类，从而增强分类一致性。上下文扩展器模块通过生成具有适当置信度得分的虚拟边界框来提高代表性不足类别的召回率，有效解决了数据不平衡的影响。实验结果表明，与基线检测器相比，VisionGuard 将整体 mAP 提高了 3.1%，证明了其在交通监控系统中实际部署的有效性和潜力，最终促进了安全和法规遵从。
引用
@article{arxiv.2506.21005,
title = {VisionGuard: Synergistic Framework for Helmet Violation Detection},
author = {Lam-Huy Nguyen and Thinh-Phuc Nguyen and Thanh-Hai Nguyen and Gia-Huy Dinh and Minh-Triet Tran and Trung-Nghia Le},
journal= {arXiv preprint arXiv:2506.21005},
year = {2025}
}