論文の概要: Vision-enabled detection of safety helmet compliance in construction zones

• arxiv url: http://arxiv.org/abs/2610.05756v1
• Date: Mon, 05 Oct 2026 04:06:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 04:35:48.316983
• Title: Vision-enabled detection of safety helmet compliance in construction zones
• Title（参考訳）: 建設ゾーンにおける安全ヘルメットコンプライアンスの視覚による検出
• Abstract要約: 本稿では,建築現場に特化して設計されたヘルメットコンプライアンスをリアルタイムに検出する,革新的なビジョンベースシステムを提案する。 本システムでは,戦略的に位置決めされたカメラからの高解像度映像フィードを利用して,ヘルメット使用に関する安全規制の遵守をモニタリングする。 トレーニングと検証の結果,ヘルメット着用者および非ヘルメット着用者ともに,mAP@0.5で97%以上の精度が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In the rapidly evolving field of construction management, worker safety remains a top priority. This paper introduces an innovative vision-based system for real-time detection of helmet compliance, specifically designed for construction sites, utilizing advanced computer vision techniques and machine learning algorithms within the YOLO (you only look once) framework. Our system leverages high-resolution video feeds from strategically positioned cameras to monitor adherence to safety regulations regarding helmet usage. By employing deep learning methodologies, the system effectively identifies individuals not wearing helmets, thereby significantly mitigating the risk of head injuries among workers. Our training and validation results revealed an impressive precision exceeding 97% at mAP@0.5 for both helmeted and non-helmeted individuals. Furthermore, our experiments demonstrate exceptional detection accuracy, demonstrating the system's resilience under varying lighting conditions and diverse worker movements. The consistent decrease in loss and improvement in metrics throughout training validates the effectiveness of the YOLOv8 model in enhancing recognition performance. The implications of this research extend beyond mere regulatory compliance, opening avenues for innovative applications in occupational safety management. This study highlights the critical role of technology in protecting lives and lays the groundwork for future advancements in smart construction environments.
• Abstract（参考訳）: 急速に発展する建設管理の分野では、労働者の安全が最優先事項である。 本稿では,高度なコンピュータビジョン技術とYOLO(一度だけ見える)フレームワーク内での機械学習アルゴリズムを活用し,建設現場に特化して設計されたヘルメットコンプライアンスをリアルタイムに検出する,革新的なビジョンベースシステムを提案する。 本システムでは,戦略的に位置決めされたカメラからの高解像度映像フィードを活用し,ヘルメット使用に関する安全規制の遵守をモニタリングする。 ディープラーニング手法を用いることで、ヘルメットを着用していない個人を効果的に識別し、労働者の頭部外傷のリスクを大幅に軽減する。 トレーニングと検証の結果,ヘルメット着用者および非ヘルメット着用者ともに,mAP@0.5で97%以上の精度が得られた。 さらに, 各種照明条件下でのシステムのレジリエンスと多様な作業者の動作を実証し, 異常検出精度を実証した。 トレーニングを通してのメトリクスの損失と改善の一貫性の低下は、認識性能の向上におけるYOLOv8モデルの有効性を検証する。 この研究がもたらす意味は、単なる規制遵守を超えて、産業安全管理における革新的な応用への道を開くことである。 本研究は, 生活保護における技術の役割を強調し, スマートな建設環境における今後の発展に向けての基礎を築き上げている。

関連論文リスト

• Advancing Embodied Agent Security: From Safety Benchmarks to Input Moderation [52.83870601473094]
  エンボディード・エージェントは、複数のドメインにまたがって大きな潜在能力を示す。 既存の研究は主に、一般的な大言語モデルのセキュリティに重点を置いている。 本稿では, エンボディエージェントの保護を目的とした新しい入力モデレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-22T08:34:35Z)
• CIB-SE-YOLOv8: Optimized YOLOv8 for Real-Time Safety Equipment Detection on Construction Sites [4.028949797830281]
  本研究では、リアルタイムヘルメット検出にYOLOを用いたコンピュータビジョンベースのソリューションを提案する。 提案したCIB-SE-YOLOv8モデルでは,SEアテンション機構と修正C2fブロックが組み込まれ,検出精度と効率が向上した。
  論文  参考訳（メタデータ） (2024-10-28T03:07:03Z)
• On the Role of Attention Heads in Large Language Model Safety [64.51534137177491]
  大規模言語モデル(LLM)は、複数の言語タスクにおいて最先端のパフォーマンスを達成するが、それらの安全ガードレールを回避できる。 モデル安全への個人的貢献を評価するため,マルチヘッド対応のための新しい指標として,安全ヘッドImPortant Score(Ships)を提案する。
  論文  参考訳（メタデータ） (2024-10-17T16:08:06Z)
• A Deep Learning Approach to Detect Complete Safety Equipment For Construction Workers Based On YOLOv7 [0.0]
  本研究では,建設作業員が着用する安全装置を同定する深層学習技術を提案する。 推奨されるアプローチは、YOLO v7オブジェクト検出アルゴリズムを使用して、これらの安全アイテムを正確に検出する。 トレーニングされたモデルでは,安全機器認識のための精度,リコール,F1スコアが良好に動作した。
  論文  参考訳（メタデータ） (2024-06-11T20:38:41Z)
• Better YOLO with Attention-Augmented Network and Enhanced Generalization Performance for Safety Helmet Detection [16.09131958448249]
  本稿では,GhostNetv2に基づく軽量な特徴抽出ネットワークのバックボーンを組み込むことにより,新しいアプローチを提案する。 安全クリティカルな環境では、安全ヘルメットの正確な検出と速度は、作業上の危険を防止し、安全プロトコルの遵守を確保する上で重要な役割を担っている。
  論文  参考訳（メタデータ） (2024-05-04T07:13:47Z)
• Attire-Based Anomaly Detection in Restricted Areas Using YOLOv8 for Enhanced CCTV Security [0.0]
  本研究は,高度な画像解析とソフトコンピューティングを活用した,革新的なセキュリティ強化手法を提案する。 その焦点は知的監視システムで、服装を分析して、制限区域の無許可の個人を検知する。
  論文  参考訳（メタデータ） (2024-03-31T11:09:19Z)
• Approximate Shielding of Atari Agents for Safe Exploration [83.55437924143615]
  遮蔽の概念に基づく安全な探索のための原理的アルゴリズムを提案する。 本稿では,我々の近似遮蔽アルゴリズムが安全違反率を効果的に低減することを示す予備的な結果を示す。
  論文  参考訳（メタデータ） (2023-04-21T16:19:54Z)
• Visual Detection of Personal Protective Equipment and Safety Gear on Industry Workers [49.36909714011171]
  我々は、PPE(Personal Protective Equipment)の使用を検知するカメラを用いて、労働者の安全を向上するシステムを開発した。 我々の焦点は、制限区域へのアクセスを得るために労働者が自らを提示しなければならないエントリーコントロールポイントに我々のシステムを実装することである。 この研究の新たな特徴は、クラス数を5つの対象(ヘルメット、安全ベスト、安全手袋、安全眼鏡、聴覚保護)に増やすことである。
  論文  参考訳（メタデータ） (2022-12-09T11:50:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。