排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
随着计算机人工智能领域的日益飞速发展, 对摄像头数量要求日益增加, 视频数据量也在迅速增加, 视频下的人形轨迹安全监控跟踪, 是大规模智能监控系统的重要研究方向. 考虑到安全管控现实场景中不同摄像头的光照亮暗程度和每帧图片的人形角度、尺寸等的差异, 会影响人形追踪的准确度, 为此提出具有快速优势的CSSD网络(Correct Single Shot multi-box Detector, CSSD)和关联分析应用于人形目标追踪. 本文基于行人多目标追踪技术基础, 提出了一种CSSD网络来进行模型的检测, 并使用简单的卡尔曼滤波方法跟踪预测目标的位置状态, 预测检测框位置, 使用IOU方法和匈牙利算法来解决视频连续前后帧目标匹配问题. 经验证, 该方法可以有效地提高人形目标准确率, 缓解目标之间的部分遮挡和位置突变问题, 能最大程度的适应目标的尺寸、远近和角度改变等. 相似文献
3.
随着计算机视觉近几年的发展,相关工作者越来越侧重人工智能算法在电力安全管控系统的实际应用.本文针对电力检修工作人员安全带规范问题,基于Mask R-CNN算法提出了一种新型高空作业安全带低挂高用违规检测算法,实时高效率完成作业者安全带违规检测问题.针对安全带挂环违规现象的复杂性和场景多变性等问题,本文提出实用于安全带检测和人体关键点信息相结合检测的Mask-Keypoints R-CNN新型高空作业安全带违规挂法的检测方法,该算法基于人体关键点定位检测模块进行裁剪人体关键部位有用安全带数据集,结合安全带检测模块进行判断作业人员违规情况,算法本身具有很强的实用性和高效性,并取得了较高的精确率. 相似文献
1