摘要：安全帽佩戴实时检测是智慧工地和智慧交通必不可少的一部分，基于深度学习的安全帽检测逐渐取代了传统的检测方法，在精度、性能和效率等方面取得了显著进展，在现实场景中有了广泛的应用。为了便于以后的安全帽算法的研究，综合分析了各应用场景中对于安全帽的目标检测算法的研究现状。先总结了目标检测算法的发展历史；然后对近年来国内外学者的安全帽检测算法研究进行归纳，对比总结不同算法不同优化的优缺点，着重分析了安全帽检测算法的轻量化方法研究；最后根据目前目标检测算法在实际场景中应用出现的不足，对安全帽检测的深度学习算法的未来研究方向进行展望。
文章目录
1 数据集及评价指标
1.1 数据集
1.2 评价指标
2 目标检测算法
2.1 传统目标检测
2.2 二阶段目标检测算法
2.3 单阶段目标检测算法
2.3.1 YOLO目标检测算法
2.3.2 SSD目标检测算法
2.3.3 其他目标检测算法
3 单阶段安全帽检测算法改进措施
3.1 基准网络
3.2 数据增强
3.3 特征提取
3.4 锚框优化
3.5 训练策略
3.6 安全帽模型的轻量化研究
4 总结与展望
