《表5 对比多部件检测效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进Faster RCNN的安全帽佩戴检测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用多部件结合的方法，通过计算出部件和目标重叠率及相对位置关系正确，判断此目标为佩戴安全帽工人，从而降低了漏检率。在降低置信度阈值之后，图7（c）误检出一个目标为佩戴安全帽的人员，通过多部件结合的方法，判断出所属部件的相对位置关系不正确（安全帽的位置），故将此目标剔除，如图7（d）。在进行多部件结合方法之后，去除掉部件检测框，得到最终检测目标。除了原始的Faster RCNN模型，本文还与YOLO模型以及HOG特征方法进行实验对比，对比效果如表5所示，可以看出本文方法检测效果明显，测试精确度达到94.23%。