基于深度学习的建筑工人安全帽佩戴识别研究 |
| |
作者姓名: | 张明媛 曹志颖 赵雪峰 杨震 |
| |
作者单位: | 大连理工大学建设管理系,辽宁大连,116024;大连理工大学土木工程学院,辽宁大连,116024 |
| |
基金项目: | 中央高校基本科研业务费专项;大连市青年科技之星项目 |
| |
摘 要: | 建筑工人头部伤害是造成建筑伤亡事故的重要原因。佩戴安全帽是防止建筑工人发生脑部外伤事故的有效措施,而在实际工作中工人未佩戴安全帽的不安全行为时有发生。因此,对施工现场建筑工人佩戴安全帽自动实时检测进行探究,将为深入认知和主动预防安全事故提供新的视角。然而,传统的施工现场具有安全管理水平低下、管理范围小、主要依靠安全管理人员的主观监测并且时效性差、不能全程监控等一系列问题。针对上述现状,提出了一种基于Tensorflow框架,具有高精度、快速等特性的Faster RCNN方法,实时监测工人安全帽佩戴状况。为评估模型性能,收集了6 000张图像用于模型的训练与测试,结果表明,该模型识别工人安全监测中佩戴安全帽工人的平均精度达到90. 91%,召回率达到89. 19%;识别未佩戴安全帽工人的精度达到88. 32%,召回率达到85. 08%。同时,针对工人未佩戴安全帽而进入施工现场的违规行为,通过施工现场入口处监控摄像头截取视频流图像帧,设置检验试验,验证了本方法在施工现场实际应用的有效性。
|
关 键 词: | 安全工程 施工管理 安全帽识别 深度学习 Faster RCNN |
本文献已被 CNKI 万方数据 等数据库收录! |
|