面向变电站近电作业的高精度多人姿态估计方法

在变电站近电作业场景中,人体姿态估计对于准确定位人体关键点信息至关重要。然而,由于肢体或设备的遮挡,传统检测方法常常面临精度低、漏检和误检等问题。为此,提出一种面向变电站近电作业的高精度多人姿态估计方法。首先,在骨干网络中嵌入DCN(可变形卷积网络),使模型能够自主学习人体关节特征,并增强了几何建模能力。其次,构建一个基于ConvNeXt v2 Block的特征金字塔网络作为颈部结构,通过跨尺度连接方式加强特征间的交互学习。在预测头中引入CA(协调注意力机制),以进一步捕获特征图的通道和方向信息。最后,通过改进原损失函数,加速了模型的收敛速度。结果表明,与基准模型相比,所提模型的平均检测精度P_(0.50)、P_(0.75)和P分别提高了2.7%、7.3%、4.2%,可为变电站复杂环境下近电作业人员的安全提供重要的技术支撑。