В этой статье рассматривается задача автоматического контроля ношения защитных касок с помощью видеомониторинга на промышленных площадках и складах. При этом актуальность работы обусловлена необходимостью повышения промышленной безопасности, а также снижения человеческого фактора при мониторинге соблюдения правил ношения средств индивидуальной защиты. В работе рассмотрены два основных подхода к решению задачи детекции объектов: одноэтапные и двухэтапные нейросетевые модели. Был проведен сравнительный анализ их характеристик с учетом точности детекции, скорости работы и потребляемых вычислительных ресурсов. Было показано, что одноэтапные нейросетевые модели (YOLO, SSD, RetinaNet и т. п.) обеспечивают высокую скорость работы, что делает их предпочтительными для мониторинга в реальном времени и с большим количеством камер, тогда как двухэтапные нейросетевые модели (Faster R-CNN и т. п.) демонстрируют более высокую точность, особенно в сложных сценах с перекрытиями и малых размерах объектов. На основе результатов актуальных исследований и решений, применяемых в практике, был сделан вывод о целесообразности использования одноэтапных нейросетевых моделей в качестве основного этапа видеоконтроля средств индивидуальной защиты, а также двухэтапных нейросетевых в качестве дополнительного этапа, если это позволяют вычислительные ресурсы.