《Applied Sciences》：Generative Inpainting for Privacy-Oriented Industrial CCTV Dataset Preparation: Cross-Domain Hard-Hat Detection with Temporal Separation
编辑推荐：
安全帽合规检测是视觉工业安全监控的核心。公共安全帽数据集支持模型开发，但很少反映工业闭路电视（CCTV）条件，如固定高位视角、小目标、时间相关性、遮挡和隐私敏感内容。研究人员调查：（i）LaMa图像修复与人脸模糊是否影响检测；（ii）在公共数据上训练的模型能否
安全帽合规检测是视觉工业安全监控的核心。公共安全帽数据集支持模型开发，但很少反映工业闭路电视（CCTV）条件，如固定高位视角、小目标、时间相关性、遮挡和隐私敏感内容。研究人员调查：（i）LaMa图像修复与人脸模糊是否影响检测；（ii）在公共数据上训练的模型能否泛化到工业CCTV；（iii）为何时间分离对评估重要。研究人员引入Industrial CCTV-HH Dataset，这是一个利用隐私导向预处理从工业监控录像准备的标注资源，包含2413幅图像和9608个原始标注头部区域实例，分为两类（戴头盔与未戴头盔）。日级时间划分降低近重复泄漏风险，并获得面向部署的评估。预处理管线使用生成式图像修复（LaMa）去除屏幕叠加层和文本标识符，并加入旨在保留头部结构的局部人脸模糊。跨域YOLO11n实验揭示较大域差距：仅公共数据训练的模型在公共图像上达到mAP@0.5≈0.97，但在工业CCTV上仅≈0.11；目标域样本和更高输入分辨率将工业域mAP@0.5提升至≈0.93（仅目标域）和≈0.90（平衡训练，同时在公共图像上保持≈0.97）。YOLO11n的mAP变化幅度有限；光学字符识别（OCR）与人脸测试表明可检测性降低，而非匿名性。
研究背景：基于视觉的工业安全监控中，安全帽合规检测用于判断工作人员是否佩戴防护头盔。公共安全帽数据集虽可用于初始训练、迁移学习和可重复基准测试，但常来自网络图像、近距离施工现场照片或较有利条件，难以代表工业闭路电视（CCTV）中的固定高位视角、小头部区域、透视畸变、部分遮挡、运动模糊、背景杂乱及不同人机距离；公共基准高精度不一定转化为部署可靠性。连续视频帧高度相关，随机图像级划分可使近重复样本同时进入训练与测试，造成划分相关泄漏并高估性能；面向部署应进行时间分离。真实监控还含时间戳、摄像头或大厅标识、车辆标记、电话号码及可见人脸等非任务且隐私敏感信息，可能引入捷径线索或隐私风险。因此，研究人员围绕隐私预处理是否显著降检测（RQ1）、公共数据能否可靠迁移到工业CCTV（RQ2）、时间分离为何重要（RQ3），引入Industrial CCTV-HH Dataset，以固定YOLO11n和日级时间划分评估数据准备与公共到工业迁移。
关键技术方法：样本队列来源于单一运营工业设施内一台固定CCTV摄像头四个记录日D1–D4的监控录像，转帧后人工标注2413幅图像、9608个原始头部区域实例，类别为未戴头盔头部（head_without_helmet）与戴头盔头部（head_with_helmet），采用日级时间划分；公共源域为Hard Hat Workers v5（raw_HeadHelmetClasses，7035幅）。预处理采用LaMa生成式图像修复去除屏幕显示（OSD）叠加层和选定文本标识符，并对人脸实施局部非生成式高斯模糊。实验固定Ultralytics YOLO11n，三随机种子，以mAP@0.5、mAP@0.5:0.95、精确率和召回率评估；用EasyOCR、YuNet、结构相似性指数（SSIM）和拉普拉斯方差比作隐私代理评估，并用bootstrap分析测试集不确定性。约240字。
研究结果：
3.1 屏幕显示（OSD）净化的影响（RQ1）：在共同测试真值下比较五种预处理，基线E1最高；LaMa修复（E3）与固定OSD区域高斯模糊（E4）检测性能相近且均高于黑掩码E2a/E2b；E3较E1仅小幅下降，且仅mAP@0.5:0.95在块bootstrap下稳健；未显示LaMa相对模糊具有检测优势。
3.2 人脸匿名化的影响（RQ1）：E3a在E3基础上加入局部高斯人脸模糊，检测性能与E3相当，召回略升、精确率略降；差异受标注差异与不确定性影响，未建立等效或非劣。
3.3 预处理后残余敏感信息（RQ1）：OCR在未净化E1中读出99.9%的OSD区域和35.6%的场景级标识区域文本，E3a未检测到文本；诊断控制显示管线可读合成字符串，但OSD恢复率84.6%未达预设90%。YuNet人脸检测率由E3的49.4%降至E3a的10.0%，精细面部细节减少，对照框几乎不变；该结果为可检测性代理，不是匿名保证。
3.4 公共数据到工业CCTV的跨域泛化（RQ2）：仅公共数据训练模型在公共测试集mAP@0.5≈0.97，在工业CCTV测试集仅≈0.11，三seed一致，显示强域差距；公共数据不足以单独支持工业部署。
3.5 混合域训练与尺度适配（RQ2）：目标域样本提高工业域性能；目标仅训练D960的工业mAP@0.5≈0.9256最高，但公共域表现差；平衡高分辨率C1在公共域约0.97、工业域约0.90，为单模型兼顾两域的折中。更高输入分辨率在目标仅与平衡设置均提升工业域性能；尺度与马赛克增强C2未超过C1。
3.6 随机划分与时间划分（RQ3）：随机划分较日级时间划分mAP@0.5高0.058、mAP@0.5:0.95高0.039，但二者测试帧不同且涉及E3/E3a预处理与标注差异，不能隔离近重复泄漏；日级划分降低近重复泄漏风险，提供更保守的部署导向评估。
3.7 按目标尺寸的检测性能：对C1进行事后COCO分层，测试集无大头部，小目标3164个、中目标1078个；AP@0.5:0.95由小目标低值升至中目标较高值，小目标为主要误差来源，与提高输入分辨率的增益一致。
3.8 面向部署的效率：YOLO11n在640像素配置下推理118.3 FPS（8.45 ms/图），960像素配置下104.4 FPS（9.58 ms/图）；FLOPs由6.44 G升至14.49 G，吞吐降约12%，参数2.59 M、模型约5.2 MB基本不变；未包含在线敏感区域定位、LaMa修复和人脸模糊的全流程。
3.9 定性分析：正确检测包括小头部和部分遮挡但可分类头部；误报见于背景结构或类头部/头盔高对比物，漏检见于小或低对比头部；示例选择脚本以IoU几何代理遮挡，不能独立量化物理遮挡严重度；未展示原始监控图像。
讨论部分总结：4.1认为在保留图像结构时隐私预处理可不显著降检测；黑掩码最低，LaMa与高斯模糊检测相近，保留LaMa因其同阶段去除场景文本且无黑矩形，并非证明隐私保护更强。4.2指出公共数据与工业CCTV域差距大，公共基准性能不保证部署；目标域样本必要，目标仅模型公共域差，平衡高分辨率模型为折中。4.3强调日级时间划分降低近重复风险并贴近部署，但不保证统计独立；随机划分结果仅为描述性而非因果。4.4实践提示应按部署域评估、采用时间划分、隐私预处理仅降低暴露而非全面匿名，公共与目标数据互补。4.5局限包括数据集中等、单摄像头四天、原始图像不公开、排除不确定头部、固定YOLO11n、隐私评估为单一OCR与人脸检测代理、E3a标注少41实例、OSD比较未隔离图像处理、随机/时间比较混杂、未评估在线全流程及bootstrap条件于检查点和D4。
研究结论翻译：研究人员提出Industrial CCTV-HH Dataset，一个经隐私导向预处理、用于真实工业监控条件下面向部署安全帽合规评估的目标检测资源，并围绕三个研究问题组织研究。该数据集含2413幅图像和9608个原始标注实例，分两个头部区域类别，采用日级时间划分以降低划分相关泄漏风险，并提供测试数据来自较晚记录期的更严格评估。研究人员提出并评估隐私保护预处理管线：用现有生成式图像修复模型（LaMa）去除OSD叠加层和文本标识符，并用局部非生成式高斯模糊处理可见面部区域。该管线在测试配置中未显著降低YOLO11n检测性能并改善数据集卫生；代理评估中，所用OCR配置在净化区域未检测到文本，自动人脸可检测性下降，但不证明个人不可识别。E3a被选为参考预处理配置（RQ1）。研究说明现有生成式修复模型可集成到面向部署的检测管线中，为下游安全帽检测准备工业CCTV数据，在编辑敏感内容同时力求保留任务相关结构，而非仅用于图像合成。跨域实验显示，仅用公共安全帽数据训练的模型虽公共基准性能高，但迁移到目标工业CCTV差；加入目标域样本显著改善性能，更高输入分辨率在目标仅与平衡训练中均带来增益；960像素目标仅模型工业域精度最高但公共域差，平衡高分辨率模型在两域均较准（RQ2）。时间协议对获得部署相关估计至关重要（RQ3）。这些检测效应及幅度针对YOLO11n测得，迁移至其他架构仍需验证。公共数据集与工业CCTV数据应视为互补而非可互换：公共数据适合初始训练与基准测试，但面向部署评估需要域特定、时间分离且隐私感知的数据集。未来将扩展至更多摄像头、记录期、设施和PPE类别，并研究替代检测器架构及进一步部署优化。
