基于卷积神经网络的高空作业安全带识别与检测

来源 :现代计算机 | 被引量 : 0次 | 上传用户:w_zhou
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在进行高空作业前穿戴安全带是预防高空坠落造成人员伤亡的有效措施,而基于计算机视觉的自动安全带穿戴检测则是有效替代安全员人工监督的解决方案。在边缘客户端,如工地入口检验匝机,除了对工地人员进行安全着装规范上的检测,还需要对其进行人脸识别等。从解决在视频监控硬件平台计算能力有限情况下的工地人员安全带穿戴检测问题出发,提出基于YOLO的安全带穿戴检测算法。为了提高检测网络的推理速度同时保持特征表达能力,本文提出了结合空洞卷积和深度可分离卷积的轻量级特征提取网络。为了促进研究,这项工作构建了一个新的公开可用
其他文献
为了提高当前车载和野外环境安装的低配置设备车型识别系统的精确度,本文提出了一种轻量型CNN分类网络DGNet用于车型识别,该方法在模型结构上保留了DarkNet53网络的滤波器尺寸,采用了Ghost-Conv模块,能够在提高分类精度的同时,大幅降低计算成本,经过实验表明,该方法在分类精度上优于目前轻量型的分类网络,在模型参数和速度方面比原模型减少了一半的计算成本和计算时间。因此,在分类精确度、计算