基于深度学习的关键岗位人员行为分析系统

针对关键岗位的人员行为分析的问题,提出了一种基于视频的行为分析方法。制作了包含多姿态样本的岗位人员行为数据集,并使用YOLOv3网络训练该数据集得到行为检测模型。使用提出的人员行为分析算法结合行为检测模型对视频进行处理,对人员行为进行初步分析。在人员行为分析算法的基础上,结合图像相似度和明暗度等特征,进行深度分析并给出离岗、睡觉和玩手机事件的判断结果。实验结果表明,制作的数据集在人员行为检测中有较高的检测精度,同时行为分析的准确度也较高,并且能够进行实时处理。     

改进YOLOv5的隧道火灾帧差检测网络与应用方法

隧道发生火灾存在着检测难、救援难的问题,实时的火灾监测对于及时发现火情是至关重要的。传统基于视频图像的火灾检测方法,检测依赖单幅图像,无法提取多幅图像的时空信息,检测精度低,不能有效检测隧道火灾。因此,提出了隧道火灾帧差网络。帧差网络使用3D卷积核构建网络结构,提取视频中火灾的时间上下文信息;将帧差网络衔接至YOLOv5主干网络形成隧道火灾帧差检测网络,可以检测单幅图像及两幅图像,从而充分利用视频动态信息;使用CIoU函数优化网络的边界框损失,并融合分类损失与置信度损失,使网络能够快速收敛。实验结果表明,该网络在隧道火灾数据集上的平均精度高达91.03%,检测速度达到了63.7帧/s,具有较强的鲁棒性。通过选取最优分析策略设计隧道火灾检测应用方法,该方法在隧道场景中的漏检率和误检率分别为2.52%和2.03%,可以满足隧道火灾检测的准确性和实时性需求。     

基于稀疏帧检测的交通目标跟踪

为了获取高速公路交通视频中目标车辆的行驶轨迹,提出一种基于视频的多目标车辆跟踪及实时轨迹分布算法,为交通管理系统和交通决策提供目标车辆交通信息.首先,使用YOLOv4算法检测目标车辆位置及置信度.其次,在不同场景条件下,使用提出的基于稀疏帧检测的跟踪方法,结合KCF跟踪算法,将车辆数据进行关联获取完整轨迹.最后,用车辆分布图和交通场景俯视图显示轨迹,便于交通管理与分析.实验结果表明,提出的跟踪方法在车辆跟踪中有较高的跟踪正确率,同时基于稀疏帧检测的跟踪方法处理速度也较快,实时轨迹分布正确反映了真实场景的车道信息以及目标车辆运动信息.     

基于改进的YOLOv4高速公路车辆目标检测研究

针对高速公路场景下的车辆目标检测问题,提出了一种改进的YOLOv4网络对交通场景下车辆目标进行检测的方法;制作了一个多天候、多时段、多场景的车辆目标数据集,并依据数据集得到检测模型;提出多标签检测方法,并在多标签之间建立约束关系,得到更完善的车辆信息;提出了一个图像拼接检测方法,将多幅图像通过拼接层连接后进行车辆检测,以此提升网络的运行效率。实验结果表明,多样化数据集提高了车辆检测精度,减少了车辆目标的误检、漏检,同时改进的网络结构较大提升了检测速度,上述方法可以为高速公路场景下的车辆目标检测与实际应用提供参考。     

基于前后端交互的人脸识别系统

针对现有的人脸识别系统计算效率低和鲁棒性较差等问题,本文提出了一种基于前后端交互的人脸识别系统,系统包含客户端、数据库以及服务端.首先,在客户端提出了基于GrabCut的人脸兴趣区域（ROI）提取算法.其次,将提取到的ROI传输到服务端,并在服务端使用ResNet网络根据ROI提取人脸特征点.最后,将服务端中提取到的人脸特征点返回给客户端,在客户端将该信息与数据库中预存的特征点进行欧式距离匹配,得到人脸识别结果.实验在CeleA数据集与随机视频上进行测试,结果表明提出的ROI提取算法明显提升了人脸识别的精度和鲁棒性,并且系统的前后端交互结构相较于传统的非交互结构极大地提升了人脸识别的计算效率.     

基于相机标定的跨相机场景拼接方法

针对单相机场景下的智能交通应用得到了较好的发展,但跨区域研究还处在起步阶段的问题,本文提出一种基于相机标定的跨相机场景拼接方法.首先,通过消失点标定分别建立两个相机场景中子世界坐标系下的物理信息到二维图像的映射关系;其次通过两个子世界坐标系间的公共信息来完成相机间的投影变换;最后,通过提出的逆投影思想和平移矢量关系来完成道路场景拼接.通过实验结果表明,该方法能够较好的实现道路场景拼接和跨区域道路物理测量,为相关实际应用研究奠定基础.     

基于机器视觉的工业巡检过程监控分析系统

工业巡检中人员的行为与生产安全息息相关,有关巡检监测方法的设计成为了研究热点.针对目前巡检监控分析依赖于人工判断且精度低的问题,本文提出了一种基于机器视觉的工业现场巡检过程监控分析系统.首先利用YOLOv3网络对将视频流中的人员进行检测,根据检测结果,使用人员行为分析方法,剔除场景内干扰并获取巡检人员真实的行为信息,最后根据人员行为信息对巡检过程进行评估,将评估结果存储至数据库同时发布至网页.本文使用多个监控视角的视频进行实验,实验结果表明,本文所提系统在复杂环境下,能够准确检测巡检人员并分析其行为,同时满足实时处理的需求.本文可以为工业巡检的智能化监测提供参考.