基于旋转框的轻量高效安全带检测算法研究

交通安全监控图像中的汽车驾驶员安全带检测,可以协助交通管理部门规范驾驶员的驾驶行为.针对汽车驾驶员安全带检测中目标尺寸较小、特征对齐难度较大、检测速度较慢等问题,在MobilenetV2 轻量化主干网络的基础上,引入 Oriented RCNN 旋转框目标检测算法,提出注意力特征融合模块(Attention Feature Fusion Module,AFFM),从而构建了一种轻量高效的端到端旋转框安全带检测算法.该算法的平均精度(AP)达到 0.905,查全率(Recall)达到 0.949,参数量(Params)仅需要 18.54 MB,端到端的检测推理速度(FPS)达到每秒 14.6 张图片.实验结果表明,该算法有效提高了监控图像中汽车驾驶员安全带检测性能,在实际应用中具备一定的竞争力.