安全帽佩戴監(jiān)控是鐵路工程施工人員安全管理中的重點(diǎn)和難點(diǎn)，它對(duì)檢測(cè)算法的準(zhǔn)確 率與檢測(cè)速度都有較高的要求。本文提出一種基于神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索的安全帽佩戴檢測(cè)算法 NAS-YOLO。該神經(jīng)網(wǎng)絡(luò)架構(gòu)由上、下行操作單元組成，采用二進(jìn)制門策略對(duì)網(wǎng)絡(luò)架構(gòu)進(jìn)行更 新，通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式自動(dòng)確定合適的神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明，NAS-YOLO算法 在準(zhǔn)確率、召回率及平均檢測(cè)速度方面均優(yōu)于實(shí)時(shí)目標(biāo)檢測(cè)算法 YOLOv3，可以在工程施工中 對(duì)施工人員安全帽佩戴情況進(jìn)行實(shí)時(shí)監(jiān)控。
關(guān)鍵詞 安全帽佩戴；神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索；自動(dòng)檢測(cè)；檢測(cè)算法；實(shí)時(shí)監(jiān)控

引言
施工現(xiàn)場(chǎng)環(huán)境復(fù)雜多變，人群密集，頻繁出現(xiàn)工 人不遵守規(guī)章所引發(fā)的傷亡事故，安全帽作為一 種常見(jiàn)的防護(hù)用具，能夠有效減輕外來(lái)危險(xiǎn)源對(duì)頭 部的傷害，因此，實(shí)時(shí)監(jiān)控施工場(chǎng)所工人安全帽佩戴 情況至關(guān)重要。 然而人工監(jiān)管費(fèi)時(shí)費(fèi)力，無(wú)法滿足 安全生產(chǎn)要求。 以計(jì)算機(jī)視覺(jué)為技術(shù)支撐的智能監(jiān) 控系統(tǒng)有人力成本低、檢測(cè)效率高等優(yōu)勢(shì)，為自動(dòng)監(jiān) 測(cè)施工現(xiàn)場(chǎng)工人佩戴安全帽情況的方案落地提供了 技術(shù)方向

1. 安全帽監(jiān)控系統(tǒng)邏輯架構(gòu)
安全帽監(jiān)控系統(tǒng)的邏輯結(jié)構(gòu)主要分為視頻采集、智能視頻分析和監(jiān)控中心3個(gè)模塊，如圖1所示。視頻采集模塊負(fù)責(zé)通過(guò)攝像機(jī)進(jìn)行視頻采 集；智能視頻分析模塊是通過(guò)算法實(shí)現(xiàn)目標(biāo)檢測(cè)、分類，并進(jìn)行行為和事件檢測(cè)，同時(shí)還負(fù)責(zé)對(duì)違規(guī)行為發(fā)出報(bào)警信息，是安全帽監(jiān)控系統(tǒng)的核心模塊；監(jiān)控中心與監(jiān)控人員直接交互，起到對(duì)整個(gè)監(jiān)控系統(tǒng)進(jìn)行監(jiān)視和管理的作用。
安全帽監(jiān)控系統(tǒng)首先由視頻采集模塊獲取視頻 數(shù)據(jù)；再由智能視頻分析模塊利用目標(biāo)檢測(cè)技術(shù)提取出視頻中的動(dòng)態(tài)目標(biāo)，同時(shí)進(jìn)行分類；然后，將分類得到的目標(biāo)信息與預(yù)先設(shè)定好的報(bào)警準(zhǔn)則進(jìn)行邏輯判斷，如符合預(yù)定準(zhǔn)則，則智能視頻分析模塊向監(jiān)控中心發(fā)送預(yù)警或報(bào)警信息；如不符合預(yù)定準(zhǔn)則，則繼續(xù)進(jìn)行目標(biāo)檢測(cè)［8］。目標(biāo)檢測(cè)與分類是通 過(guò)人工智能技術(shù)（即深度神經(jīng)網(wǎng)絡(luò)） 來(lái)完成的。與 常用的深度神經(jīng)網(wǎng)絡(luò)算法不同，這里介紹通過(guò) NAS算法自動(dòng)搜索合適的神經(jīng)網(wǎng)絡(luò)架構(gòu)。

2.YOLOv3檢測(cè)模型
YOLOv3 的主干網(wǎng)絡(luò)為 Darkent-53，其中，包含53個(gè)卷積層和5個(gè)殘差塊，整體網(wǎng)絡(luò)結(jié)構(gòu)如圖 2 所 示。 每個(gè)殘差塊包含殘差單元，而殘差單元由DBL組件組成，DBL 組件中包括卷積、批量歸一化和 Leaky reiu激活函數(shù)。 殘差單元由DBL通過(guò)相加而 成，殘差塊由DBL和殘差單元構(gòu)成，其中，殘差塊借 鑒ResNet的思想，增強(qiáng)了特征融合能力。 YOLOv3 通過(guò)改變卷積核的步長(zhǎng)來(lái)實(shí)現(xiàn)張量的尺度變換，輸 出 3 個(gè)不同大小的尺度。

YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)

3. NAS算法
NAS 算法是自動(dòng)機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)算法之 一，可通過(guò)數(shù)據(jù)特征自動(dòng)找到合適的神經(jīng)網(wǎng)絡(luò)架 構(gòu)［9］ 。該算法的原理是光定義搜索空間；然后，通 過(guò)搜索策略找出候選網(wǎng)絡(luò)架構(gòu)，對(duì)候選網(wǎng)絡(luò)進(jìn)行評(píng) 估；最后，根據(jù)評(píng)估結(jié)果進(jìn)行下一輪的搜索。由于 NAS 的根本思想是探索各種潛在的解決方案，搜 索空間越大，需要訓(xùn)練與評(píng)估的架構(gòu)就越多，消耗 的資源與時(shí)間就越多。因此，搜索空間的設(shè)定將直 接影響計(jì)算開銷。目前 NAS 的主流設(shè)計(jì)方法為先 基于單元 （cell） 的架構(gòu)進(jìn)行設(shè)計(jì)，再將單元堆疊 在主干網(wǎng)絡(luò)上，構(gòu)成整體網(wǎng)絡(luò)架構(gòu)，并由此限制搜 索空間大小。換言之，大型網(wǎng)絡(luò)是由多個(gè)單元組成 的，而單元的結(jié)構(gòu)是由整個(gè)網(wǎng)絡(luò)共享的［10］ ，因此主 干網(wǎng)絡(luò)的選擇也十分重要。
目前主流的目標(biāo)檢測(cè)算法是 Fast r-cnn［11］ 系列 算法，首先使用神經(jīng)網(wǎng)絡(luò)生成待檢測(cè)預(yù)選定位框， 再對(duì)預(yù)選定位框進(jìn)行調(diào)整和分類，屬于兩階段算 法，雖然精度高，但實(shí)時(shí)性不強(qiáng)。而YOLO （You Only Look Once）［12］ 系列的一階段算法采用了回歸 的思想，直接在圖像上回歸出預(yù)選定位框，同時(shí)預(yù) 測(cè)預(yù)選定位框所屬類別。YOLO 系列算法的檢測(cè) 精度雖然略低于 Fast r-cnn 系列，但是運(yùn)行速度 快，能夠很好地完成實(shí)時(shí)目標(biāo)檢測(cè)任務(wù)。另外，還 有 SSD （Single Shot MultiBox Detector）［13］ 算法，結(jié)合了回歸思想和預(yù)選定位框機(jī)制，使得檢測(cè)速度和準(zhǔn)確率都得到提升。YOLO 系列算法經(jīng)過(guò)不斷 更新，其中 YOLOv3［14］ 結(jié)合了多種網(wǎng)絡(luò)設(shè)計(jì)技 巧，包括了SSD算法中的多尺度特征融合策略［15］ ， 進(jìn)一步提高了網(wǎng)絡(luò)的檢測(cè)性能。因此，本文以 YOLOv3 為基礎(chǔ)框架，設(shè)計(jì)了基于神經(jīng)網(wǎng)絡(luò)架構(gòu) 搜 索 的 YOLO 網(wǎng) 絡(luò) ， 即 NAS-YOLO。 NASYOLO由2種單元架構(gòu)組成，分別是下行單元和上 行單元，并通過(guò)基于單元的搜索方式，確定其最終 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

3.1 架構(gòu)搜索方式
對(duì)二值化的路徑更新使用了 Cai H 等［20］ 提出 的二進(jìn)制門方法。這是一種數(shù)據(jù)驅(qū)動(dòng)的方式，具體 操作如下。 1） 在訓(xùn)練網(wǎng)絡(luò)權(quán)重參數(shù)時(shí)，先凍結(jié)架構(gòu)參數(shù)， 并為每批輸入的數(shù)據(jù)隨機(jī)選取二進(jìn)制門，根據(jù)二進(jìn) 制門得到存活路徑。 2） 在訓(xùn)練數(shù)據(jù)集中，通過(guò)標(biāo)準(zhǔn)梯度下降，更 新存活路徑的權(quán)值參數(shù)。 3） 在訓(xùn)練架構(gòu)參數(shù)時(shí)，先凍結(jié)權(quán)重參數(shù)，后 重置二進(jìn)制門，更新并驗(yàn)證數(shù)據(jù)集中的架構(gòu)參數(shù)。 這2個(gè)更新步驟以替代方式執(zhí)行，一旦完成架構(gòu)參 數(shù)的訓(xùn)練，就可以通過(guò)修剪冗余路徑來(lái)導(dǎo)出緊湊的 架構(gòu)。 每次架構(gòu)參數(shù)的更新只涉及2條路徑，從而將 內(nèi)存需求降低到訓(xùn)練緊湊模型的相同水平。

3.2 模型訓(xùn)練
使用安全帽佩戴檢測(cè)數(shù)據(jù)集對(duì) NAS-YOLO 算 法進(jìn)行訓(xùn)練。該數(shù)據(jù)集共有 7 581 張圖像，包含 9 044 個(gè)佩戴了安全帽的人像 （正樣本），以及 111 514 個(gè)普通人像 （沒(méi)有佩戴安全帽，即負(fù)樣 本）。隨機(jī)選取數(shù)據(jù)集中一半的圖像作為訓(xùn)練集， 另一半作為驗(yàn)證集，使用二進(jìn)制門搜索策略對(duì)神經(jīng) 網(wǎng)絡(luò)架構(gòu)進(jìn)行搜索。其中，批量的大小設(shè)置為 8， 共進(jìn)行了200期的架構(gòu)搜索優(yōu)化。 網(wǎng) 絡(luò) 權(quán) 重 訓(xùn) 練 中 ， 選 用 隨 機(jī) 梯 度 下 降 （Stochastic Gradient Descent，SGD） 優(yōu)化器，動(dòng) 量 設(shè) 置 為 0. 95， 余 弦 學(xué) 習(xí) 率 從 0. 025 衰 減 到 0. 01，權(quán)重衰減為 0. 0003。架構(gòu)參數(shù) α 的訓(xùn)練使 用 Adam 優(yōu)化器［21］，學(xué)習(xí)率設(shè)置為 0. 0003，重 量 衰 減 設(shè) 置 為 0. 0001。 使 用 1 塊 GeForce RTX 2080ti GPU 對(duì) 整 個(gè) 架 構(gòu) 搜 索 ， 大 約 需 要 2 天 時(shí)間

4. 結(jié)果驗(yàn)證與分析
4.1 算法訓(xùn)練
YOLOv3和NAS-YOLO訓(xùn)練過(guò)程中的損失函 數(shù)曲線 （Loss Curve） 分別見(jiàn)圖2和圖3。圖中， 損失值越小，表示訓(xùn)練出的模型與數(shù)據(jù)集的真實(shí)模 型越接近；在2次訓(xùn)練過(guò)程中，網(wǎng)絡(luò)損失均保持穩(wěn) 定下降趨勢(shì)，YOLOv3在迭代 10 000次左右收斂， NAS-YOLO在迭代 40 000次左右收斂，說(shuō)明訓(xùn)練 基本順利；與圖2的曲線相比，圖3的曲線收斂于 一個(gè)更小的值，說(shuō)明改進(jìn)后的模型更接近數(shù)據(jù)集的 真實(shí)模型。

4.2 算法測(cè)試
將完成模型訓(xùn)練NAS-YOLO網(wǎng)絡(luò)與現(xiàn)有的目 標(biāo)檢測(cè)網(wǎng)絡(luò)進(jìn)行對(duì)比，并將幾種算法分別應(yīng)用于安 全帽監(jiān)控系統(tǒng)中，進(jìn)行安全帽佩戴狀態(tài)的自動(dòng)識(shí) 別。隨機(jī)選取2名工地管理人員，對(duì)視頻中施工人 員是否佩戴安全帽進(jìn)行識(shí)別與判斷。一名管理人員 先做出判斷，另一名再對(duì)其判斷結(jié)果進(jìn)行審查與修 正。將2名管理人員的識(shí)別判斷結(jié)果作為真值，評(píng) 估 NAS-YOLO 與 SSD、 Fast r-CNN、 YOLOv3 算法的實(shí)際應(yīng)用準(zhǔn)確度和運(yùn)行速度。與其他方法相比，NASYOLO的平均準(zhǔn)確率（mean Average Precision，mAP） 最高，達(dá) 96. 72%；處理速度也最快，檢測(cè)速度可達(dá)59. 6FPS （Frames Per Second）；但召回率略低 于 Fast r-CNN，而 Fast r-CNN 運(yùn)行速度慢，無(wú)法 應(yīng)用于實(shí)時(shí)的目標(biāo)檢測(cè)任務(wù)。