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

扫码查看

原文链接

万方数据
维普

中文摘要：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.

外文标题：Identification and application of unsafe behaviors of subway construction workers based on deep learning

作者：

范冰倩、董秉聿、王彪、李铭、吴松、佟瑞鹏

展开 >

作者单位：

中国矿业大学(北京)应急管理与安全工程学院,北京10008

中国职业安全健康协会,北京100029

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(Faster R-CNN) 人脸识别

基金：

北京市自然科学基金国家自然科学基金

项目编号：

821201552074302

出版年：

2023

DOI：

10.16265/j.cnki.issn1003-3033.2023.01.0874

中国安全科学学报

中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心

影响因子：1.548

ISSN：1003-3033

年,卷(期)：2023.33(1)

被引量2
参考文献量3