基于深度学习的头盔佩戴自动检测

论文摘要

为加强巡检人员安全,基于深度学习算法,设计了一种头盔佩戴自动检测方法。在SSD300模型的基础上,使用数据增强技术,通过卷积层conv43进行检测,以增强对较小目标的识别精度;采用{1/2,2}和{1/3,3}的边框,通过适当调节边框提高检测效果;以VGG16作为基础网络,使用atrous卷积,进一步改善识别精度。将训练模型移植到CR1030P-YT便携式安卓智能通信系统,并与在服务器GPU、CPU上的检测结果和检测速率进行对比。实验结果表明,CR1030P-YT平台上的头盔佩戴检测结果与服务器一致,检测精度高达95%以上,且检测不受环境和地点的约束;服务器GPU上的头盔佩戴检测速率高达34 fps,能够满足工业实时性需要,但CR1030P-YT平台上的检测速率还有待提升。

论文目录

• 1 设备和方法
•   1.1 SSD模型原理
•   1.2 CR1030P-YT便携式安卓智能通信系统
• 2 实验和结果
•   2.1 数据集准备
•   2.2 网络训练及移植
• 3 讨论
• 4 结语

文章来源

类型: 期刊论文

作者: 张传金,李燕林,张永义,王扩

关键词: 头盔佩戴检测,深度学习,模型,便携式安卓智能通信系统,卷积层,卷积

来源: 电脑编程技巧与维护 2019年08期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 安全科学与灾害防治,电力工业,计算机软件及计算机应用

单位: 安徽创世科技股份有限公司,安徽粮食工程职业学院

分类号: TP391.41;TM08

DOI: 10.16184/j.cnki.comprg.2019.08.046

页码: 126-130

总页数: 5

文件大小: 2863K

下载量: 195