在每年的道路交通事故统计中,电动车驾驶员引发的安全事故占有相当高的比例。佩戴安全头盔可以有效的保障骑行者及乘客的生命安全,减轻头部损伤。许多城市已经出台相关法律法规面向电动车骑行者,需佩戴安全头盔方可出行。目前路面上的摄像头主要是拍摄机动车的违法情况,并无检测电动车等非机动车的违法行为。所以针对现今道路上没有安全头盔相关检测的问题,创新提出了一种基于TRB-YOLOv5网络的电动车骑行者头盔佩戴检测系统。该系统可以有效地识别3类目标,用以区分电动车骑行者是否佩戴安全头盔。具体工作如下:（1）首先通过网络爬虫获取部分电动车骑行者图像数据,利用lableImg工具制作对应数据集。然而网络图片无法满足检测系统的应用需求,所以采取人工拍摄的方法,创新采用电动车骑行者头盔三位一体数据集用以区分3类检测目标——电动车骑行未戴安全头盔者（E-bike-head）、电动车骑行戴安全头盔者（E-bike-helmet）、安全头盔（helmet）。（2）配置训练环境,基于通用性、高精度、快速检测等算法需求,选择YOLOv5目标识别网络作为基础的网络模型。创新提出TRB-YOLOv5算法,将YOLOv5网络中的部分CSPDarknet53特征提取网络更换成Transformer网络,其次使用加权双向特征金字塔网络（BiFPN）模块替换了YOLOv5原本使用的特征金字塔网络,最后加入anchor-K-Means聚类算法。为了验证改进算法的优势,将TRB-YOLOv5与改进前的算法进行对比,最后发现TRB-YOLOv5m算法对电动车骑行者头盔佩戴检测数据集的检测精度为96.70%,明显优于其他算法,并且在原YOLOv5网络的基础上提高了一倍左右的速度。（3）搭建了基于PyQt5的GUI界面,划分为三个部分:目标检测功能模块、人工复核模块、可视化模块与目标人物播放功能。通过实验对模型可靠性进行了验证。最终基于TRB-YOLOv5网络建立了一套电动车骑行者头盔佩戴在线检测系统,该系统能够有效地检测电动车骑行者的种类、位置等信息,能够节省警力,避免交通安全隐患,提高城市交通秩序,提高通行效率。