|
|||||
|
|
| 基于深度学习的地铁施工作业人员不安全行为识别与应用 | |
| 作者姓名： | 范冰倩 董秉聿 王彪 李铭 吴松 佟瑞鹏 |
| 作者单位： | 1. 中国矿业大学(北京)应急管理与安全工程学院;2. 中国职业安全健康协会 |
| 基金项目： | 北京市自然科学基金资助(8212015);;国家自然科学基金资助(52074302); |
| 摘 要： | 为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明:该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。 |
| 关 键 词： | 深度学习 地铁施工 不安全行为识别 作业人员 更快速的基于区域的卷积神经网络(FasterR-CNN) 人脸识别 |
| 收稿时间： | 2022-08-10 |
| 点击此处可从《中国安全科学学报》浏览原始摘要信息 | |
| 点击此处可从《中国安全科学学报》下载全文 | |