10.3969/j.issn.1004-552X.2023.04.018
基于多重深度学习网络的安全帽检测及工地人员身份识别方法研究
正确佩戴安全帽能有效避免物体打击事故造成的人员伤害,因而实时监测是否正确佩戴安全帽显得至关重要.基于图像处理的安全帽识别检测方法在复杂工地环境下存在许多挑战,而基于单一深度学习网络的方法直接对安全帽进行检测,无法确定安全帽是否戴在工作人员头上,对比提出了一种基于多重深度学习网络的安全帽检测及工地人员身份识别方法,通过区分出前景和背景,提取出工地人员前景区域后再进行安全帽检测,避免图像背景中其他的干扰信息.首先将图像输入Yolov4网络中检测出工地人员,然后根据工地人员的检测边界框提取出工地人员前景区域,再次输入到Yolov4网络中,最后识别出安全帽及其颜色,从而进行工地人员的身份判断.一方面能够对未佩戴安全帽的人员做到及时提醒,另一方面能够根据安全帽颜色识别出人员身份,从而判断该身份是否符合作业要求,对于保障工地人员的安全起到关键作用.
深度学习、Yolov4、安全帽检测、身份识别
38
TU714(建筑施工)
上海市经济;信息化委员会基于人工智能的建造安全全生命周期管理创新与示范项目
2023-06-01（万方平台首次上网日期，不代表论文的发表时间）
共4页
67-70
