基于深度学习的工地安全帽佩戴检测算法研究文献综述

文献综述

1.引言高空作业、建筑工地、井下、隧道、涵洞等场所的工作相对来说是比较危险的，一旦遇到事故，往往会对施工人员造成致命的风险。

大部分原因是由于工作人员的学历不高、知识储备比较欠缺以及安全意识薄弱所造成的。

因此，在日常的生产或施工时工作人员出现了违规违章的不安全行为，才导致了往年高危地区中事故的频发。

为了防止工作人员因未戴安全帽所造成的危险，有必要提高施工人员对安全意识的重视，提高工作人员的自律性。

不过提高施工人员的素质过程中，也需进行必要的监督与检测，所以对安全帽是否佩戴正确的检测成为了必不可少的一部分。

这对高危地区工作的人员来说，安全帽的佩戴是保障自身安全的最基本防线生产和作业场地中人员事故的频发，往往是由于工作人员安全意识比较薄弱，没有正确佩戴安全帽所造成的，为了增强施工人员对佩戴安全帽的安全意识和减少人员伤亡的发生率，有必要对施工人员进行实时监督与检测。

利用摄像头进行实时监控的现代化技术手段，可以有效降低因未正确佩戴安全帽而带来的危险。

因此，本课题基于目前国内外对安全帽检测算法的研究情况的基础之上，利用深度学习的方法训练出安全帽检测模型，并设计与实现了该检测系统。

国内外对于视频检测中常使用的几种算法包括基于邻帧差法、背景的差分相减法等。