-
题名基于深度学习的安全帽监管系统
被引量:6
- 1
-
-
作者
郑晓
王淑琴
张文聪
郑京瑞
周游
-
机构
天津师范大学软件学院
天津师范大学计算机与信息工程学院
-
出处
《计算机系统应用》
2021年第11期118-126,共9页
-
基金
国家自然科学基金(61070089)
天津市应用基础与前沿技术研究计划(15JCYBJC4600,19JCZDJC35100)
天津市级大学生创新创业训练计划(202010065043)。
-
文摘
在工程现场因不佩戴安全帽导致的悲剧时有发生,为了协助工程现场管理人员保障工人的人身安全,本文设计实现了一种基于深度学习的安全帽智能监管系统.该系统采用集速度和精度为一体的YOLOv4目标检测模型,在数据集上使用K-means算法聚类分析生成新的先验框,并使用新的先验框进行训练,将安全帽的检测精度提高至92%;将检测模型YOLOv4与跟踪模型DeepSORT相结合,有效解决重复警告和无法对违规数据进行统计的问题;最终制作成跨平台移动APP,方便管理人员使用移动端随时随地监管安全帽佩戴情况.本系统是一套集安全帽检测、检测视频实时直播、智能警告、违规图片抓取并展示,违规数据可视化等功能为一体的安全帽智能监管系统,它的使用能够大大提高工程现场的生产安全系数和监管效率.
-
关键词
安全帽检测
跨平台移动APP
YOLOv4检测算法
K-MEANS算法
DeepSORT跟踪算法
-
Keywords
safety helmet detection
cross-platform mobile APP
YOLOv4 detection algorithm
K-means algorithm
DeepSORT tracking algorithm
-
分类号
TU714
[建筑科学—建筑技术科学]
TP18
[自动化与计算机技术—控制理论与控制工程]
TS941.731.8
[轻工技术与工程—服装设计与工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-