基于边缘设备轻量化行为识别算法

针对机场加油车等某些生产场景下工作人员的行为得不到实时性监督的问题,提出一种可部署至边缘设备轻量化加油员行为识别算法。该算法首先使用基于YOLOv5s改进的目标检测网络进行快速人体检测;再使用IoU和直方图相似度相结合的跟踪算法对检测到的人体目标进行跟踪,由跟踪得到的序列图像通过轻量级的姿态估计网络预测出人体的骨骼关键点序列数据;最后将骨骼关键点序列数据输入到6层的全连接网络分类器中进行动作分类,判断加油员动作是否规范完成。实验数据表明:该算法大大减少了网络权重和计算量,其中改进后的人体检测网络YOLOv5-mini在边缘设备比特大陆Sophon SE5上单帧检测速度可达18 ms;在实际场景数据集上,算法行为检测准确率可达95.92%。