针对当前安全帽检测准确性低和适应性差的问题，提出一种以 YOLOv3 网络为基础，进行相应改进的安全帽检测方法; 为了保证安全帽检测的准确度和增大对图片中安全帽的关注度，采用注意力机制增强了从图片提取出的空间信息和语义信息，减少了图像细节的丢失，再使用可变卷积来适应人的姿态变化，增强了模型对目标的适应性，减少了一定量的训练样本，最后通过改变输出特征图的尺寸，融合浅层的网络特征，提升了人头等小目标的识别率; 采用自制的HELMET 数据集对方法进行训练与测试，并通过对比实验表明: 方法相较于其他检测方法能够提取到更多的目标特征，达到更高的平均精度均值，同时在实际应用中 适应性较好。
