一种基于深度学习的安全帽佩戴监测方法及系统.pdf
mm****酱吖
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于深度学习的安全帽佩戴监测方法及系统.pdf
本发明提供一种基于深度学习的安全帽佩戴监测方法及系统,该方法包括如下步骤:输入视频流,从视频流中抽取视频帧;对抽取的视频帧进行预处理,形成头肩特征图,检测出人员的头肩位置,并进行头肩区域外扩,形成头肩及外扩区域视频帧;对头肩及外扩区域视频帧进行预处理,形成安全帽特征图,检测出人员是否佩戴安全帽;对未佩戴安全帽的行为进行预警。本发明将检测之后的头肩区域进行二次属性分析,采用人员的头肩检测和基于头肩的安全帽检测方案,目标漏检测少、精度高、速度快,利用深度学习的特征提取优势,提升安全帽的检测精度和速度,能够快速
一种基于深度学习的检测工人是否佩戴安全帽的方法.pdf
本发明属于深度学习的计算机视觉领域,是一种基于深度学习的工人安全帽佩戴检测方法,该方法包括以下步骤:S1、获取足够数量的含有佩戴安全帽人物样本和未佩戴安全帽人物样本的安全帽检测数据集,并随即按一定比例划分为训练集和测试集;S2、使用Pytorch深度学习框架,搭建CSP‑R‑FCN双阶段目标检测模型;S3、搭建模型训练和测试系统,对CSP‑R‑FCN双阶段目标检测模型进行训练和测试,直到其获得检测安全帽佩戴的能力;S4、提取实际应用场景:工地监控的视频,逐帧进行检测并输出检测结果,完成对安全帽佩戴的检测。
基于深度学习的安全帽佩戴检测方法、装置、设备及介质.pdf
本发明公开基于深度学习的安全帽佩戴检测方法、装置、设备及介质,该方法包括如下步骤:获取待检测的人员图像;将所述待检测的人员图像输入已训练的多尺度感知网络模型中;所述多尺度感知网络模型包括三个并行的CNN子网络,三个所述CNN子网络的结构仅卷积核的尺寸不同,每个CNN子网均包括用于提取全局特征的通道注意力模块和用于提取局部特征的空间注意力模块;输出所述待检测的人员图像分类结果,所述分类结果包括未佩戴安全帽和佩戴安全帽。本发明在变电站的复杂场景有很高的检出率和很低的误检率,且使用深度学习的方法可以减少之前人工
一种基于深度学习的安全帽检测系统.pdf
本发明属于深度学习技术领域,具体为一种基于深度学习的安全帽检测系统,其包括:超声波探测模块、抗压检测模块、图像采集模块、数据传输模块、数据传输模块、中央处理器、3D建模模块、图像对比模块和显示模块,超声波探测模块用于执行通过超声波对安全帽的裂缝进行探测;抗压检测模块用于执行对安全帽的抗压性能进行检测;图像采集模块用于执行通过相机对安全帽进行图像的拍摄采集;用于观察安全帽是否有裂缝,抗压检测模块对安全帽的抗压性能进行检测,图像采集模块采集安全帽的外形信息,与数据库中信息作对比,用于检测安全帽是否存在瑕疵,最
一种安全帽佩戴识别方法与系统.pdf
本发明公开了一种安全帽佩戴识别方法及系统,本发明首先通过摄像头采集人脸图像,由终端设备采集图像数据,先将数据集传入设计好的改进的YOLOv4网络模型进行训练,再将终端获取的图像数据传入训练好的网络模型进行分类,经过网络模型对图像目标的判断,进而对佩戴安全帽的目标和未佩戴安全帽的目标进行识别区分,系统最终根据目标识别的结果然后控制语音模块以及电机模块,系统的检测结果可以实时显示在与终端连接的监视器中,本发明将快速精准的改进版YOLOv4网络运用到安全帽的目标识别中,可以对进入施工场所的工作人员安全帽佩戴情况