基于改进YOLOv7的复杂环境下拖拉机驾驶员面部检测

摘要

为提高复杂场景下拖拉机驾驶员面部小目标检测精度，基于YOLOv7算法提出了一种精度高、泛化性强的驾驶员面部小目标检测方法。首先，构建改进空间金字塔池化模块，有效聚合低频全局信息与高频局部信息；其次，采用跨级部分网络模块，提高算法的计算效益；最后，调整检测层结构，构建全新检测头SC＿C＿detect，提高小目标特征提取能力。消融实验及对比试验结果显示，改进后的算法单张图片检测时间为7.8 ms,mAP@0.5为97.29%,mAP0.5:0.95为69.45%，优于Faster-RCNN、YOLOv5l、YOLOv8l等目标检测算法。在拖拉机不同振动水平下开展泛化性试验发现，改进后面部小目标检测模型的背景误差与定位误差均有所降低。结果表明，该算法兼具实时性与准确性，且在不同振动水平下，拥有良好的泛化性能。

关键词

拖拉机 / 驾驶员 / 面部检测 / 小目标检测 / YOLOv7