文献类型：期刊文章

作　　者：彭燕[1] 谢乐源[1] 吴宗义[1] 杨孟飞[1]

机构地区：[1]重庆科技学院安全工程学院(应急管理学院),重庆

出　　处：《计算机科学与应用》

年　　份：2024

卷　　号：14

期　　号：2

起止页码：173-182

语　　种：中文

收录情况：RCCSE、普通刊

摘　　要：为了减少建筑工地事故的发生,提高建筑项目的安全保障,基于深度学习的建筑工人安全帽佩戴目标检测方法成为了一个重要的研究领域。该方法通过利用建筑工地的监控实时提取图像和视频信息,并自动识别工人是否正确佩戴安全帽,具有较高的准确率与实时性,可提升建筑行业安全管理的智能化水平。本综述旨在综合分析近年来在深度学习环境下的安全帽佩戴检测算法研究现状,分别从数据集与评价指标、两阶段目标检测、单阶段目标检测及改进等方面总结归纳国内外学者的研究成果,分析这些方法的优点、局限性以及当前的难点,并给出建议和展望,为后续研究者提供参考和借鉴。

关 键 词：深度学习  目标检测 计算机视觉 安全帽 建筑工地

分 类 号：TP3[计算机类]