该系统使用C++和Python语言开发，框架是基于Darknet，Darknet完全是由C语言实现，没有任何依赖，为了更好的可视化，并选用了Yolov3网络架构，分别是DBL,RES UNIT和RES N三个组成模块；该架构不但灵活和稳定，而且该架构具高效灵活等漏电，同时支持在中央处理器上使用，已非常广泛的应用于深度学习领域。该系统还使用了卷积神经网络（CNN）,是一类卷积运算且有深度的前馈神经网络，是深度学习的代表算法之一，能够对阶层对输入信息进行平移不变分类，该系统采用了YOLO算法，YOLO算法运行速度不但快而且精度高，是现在非常常用的目标的检测模型之一。
2.2 基本内容
本文的研究成果如下：
（1）输入一张图片，检测出该人员是否佩戴安全帽
（2）输入一段视频，实时检测视频内的人员是否佩戴安全帽
（3）开启摄像头，实时检测当下画面是否有人员未佩戴安全帽
2.3 提出问题
如何直观的展示安全帽检测的功能，让使用者一目了然；
如何使用安全帽检测系统的风采；
如何通过安全帽检测实现高效的消息推送和接收；
如何设计安全帽检测服务功能，让使用者便捷的享受服务。
深度学习
深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：
(1)基于卷积运算的神经网络系统，即卷积神经网络(CNN)。
(2)基于多层神经元的自编码神经网络，包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码两类( Sparse Coding)。
(3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)。
3.2卷积神经网络
卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络”。
对卷积神经网络的研究始于二十世纪80至90年代，时间延迟网络和LeNet-5是最早出现的卷积神经网络；在二十一世纪后，随着深度学习理论的提出和数值计算设备的改进，卷积神经网络得到了快速发展，并被应用于计算机视觉、自然语言处理等领域。