| 大场景视频监控下大坝运输车改进多目标多视觉卸料识别模型研究 |
| |
| 引用本文： | 曾拓程,王佳俊,王晓玲,张雨诺,康栋. 大场景视频监控下大坝运输车改进多目标多视觉卸料识别模型研究[J]. 水利学报, 2023, 54(5): 519-529,540 |
| |
| 作者姓名： | 曾拓程 王佳俊 王晓玲 张雨诺 康栋 |
| |
| 作者单位： | 天津大学水利工程仿真与安全国家重点实验室,天津 300350;雅砻江流域水电开发有限公司,四川成都 610051 |
| |
| 基金项目： | 国家自然科学基金雅砻江联合基金项目(U1965207);国家自然科学基金青年科学基金项目(52009089) |
| |
| 摘 要： | 运输车卸料识别对保障大坝施工安全、优化运输配置具有重要意义。然而,大坝施工中多采用全球导航卫星系统（Global Navigation Satellite System,GNSS）进行运输车活动状态分析,存在设备成本高、识别精度低等缺点。目前,通过布设高清摄像头进行坝面大场景施工监控成为趋势,但尚未见基于机器视觉的运输车卸料识别研究。针对上述问题,提出大场景视频监控下大坝施工运输车卸料识别改进多目标多视觉任务模型。首先,采用ByteTrack实现大场景监控视频中多辆运输车目标检测与追踪,记录其行驶轨迹;其次,High Resolution Net（HRNet）被用于运输车头部和尾部的关键点检测,进而结合行驶轨迹判断运输车前进、停止和后退等行进状态;再者,通过Destruction and Construction Learning(DCL)细粒度分类方法判断运输车料斗的抬升状态;最后,结合ByteTrack、HRNet和DCL的多目标多视觉任务的分析结果判定运输车卸料状态。以两河口施工视频监控为例进行验证,提出的卸料识别模型在34帧时卸料状态识别平均准确率为87.3%,卸料时间判断精度为90.3%,验证了本模型的可行性和有效性。
|
| 关 键 词： | 卸料识别 大场景视频监控 多目标跟踪 关键点检测 细粒度分类 |
| 收稿时间： | 2022-11-04 |
Research on improved multi-target multi-vision unloading identification model of dam transport vehicle under large scene video surveillance |
| |
| ZENG Tuocheng,WANG Jiajun,WANG Xiaoling,ZHANG Yunuo,KANG Dong. Research on improved multi-target multi-vision unloading identification model of dam transport vehicle under large scene video surveillance[J]. Journal of Hydraulic Engineering, 2023, 54(5): 519-529,540 |
| |
| Authors: | ZENG Tuocheng WANG Jiajun WANG Xiaoling ZHANG Yunuo KANG Dong |
| |
| Affiliation: | State Key Laboratory of Hydraulic Engineering Simulation and Safety, Tianjin University, Tianjin 300350, China; Yalong River Hydropower Development Co., LTD, Chengdu 610051, China |
| |
| Abstract: | |
| |
| Keywords: | unloading identification large-scene video surveillance multiple objects tracking key point detection fine-grained classification |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《水利学报》浏览原始摘要信息 |
|
点击此处可从《水利学报》下载全文 |
|
