为了智能检测施工现场工人是否佩戴安全帽，针对卷积神经网络（convolutional neural network, CNN）设计了基于卷积神经网络（convolutionalneural network, CNN）的安全帽自动识别系统。系统设计了基于CNN的23个卷积层的深度学习网络，通过大量样本的训练，得到安全帽识别模型。针对现场实际测试，提出的系统取得了较高的精度，达到94.5%。
系统需要使用GPU，在不要求太高速度的情况下，1050gpu一台电脑能带4路摄像头。
已经在现场中应用。并且增加了识别红色、白色、黄色安全帽颜色的功能。
后期论文发表后，将具体算法过程在这展示。
为验证本文算法的性能，进行两组实验。其中训练和测试样本为第三方提供的不同施工现场的实际场景，实际场景中包含佩戴安全帽和不佩戴安全帽的情况。共50个视频，每个视频5分钟左右。在这里随机选取其中40个视频作为训练样本，剩余10个视频作为测试样本。将相应的视频转化为图片，训练图片是每隔3帧抽取一帧，共18200张图片。其中训练样本11200张包括佩戴安全帽人员的共6800张和未佩戴安全帽人员4400张，测试样本按视频逐帧采样共7000张。
其中40个训练视频中20个来自不同的施工场景以保证获得目标大小姿态、复杂场景变化的训练样本。如下网址列出了部分测试视频https://github.com/jianlelestyle/helmet_video。
实验一：在只有检测器与本文加入抗遮挡跟踪器进行对比，用来说明提出的跟踪辅助检测算法以及跟踪器对遮挡判断和模型自适应更新策略的有效性。下图所示是部分检测结果：
q q : 158534731