基于深度学习的白光-热成像双通道图像识别系统设计

为解决无人机图像自动识别系统对大视场角下小目标的识别准确率及实时性问题,利用深度学习卷积神经网络对热成像-白光联合图像进行目标识别。设计了一种针对具有温度特征的目标物识别系统以及双通道目标候选提名图像识别算法。充分利用热成像图中目标热源特征的HSV值,将目标物从热成像图中进行筛选、分割。通过Canny算子勾勒目标物轮廓,并标记出目标物大致区域,导入白光图像提取含有目标物的有效图像信息。利用YOLO V2算法对候选图像内目标物进行识别。通过实验表明,提出的双通道目标候选提名图像识别算法具有可行性与实用性,能够在大视场环境下对小目标进行精准快速识别,满足无人机机载系统简易、实时和准确性要求。

一种基于热成像及模型分析的工地动火行为检测判断方法

在动火作业区域(平地、高空以及地下和密闭场所)这种特殊的环境下,动火前、动火中和动火完成后整个过程都是处于一个需要全程监控的环节。视频监控则是其中最为核心部分。本文提出了一种基于热成像技术及深度学习模型分析的工地动火行为检测判断方法,通过热成像技术与图像识别双重监控,分析工地人员行为状态,对工地的安全隐患进行实时监测,从而达到以最少的资源消耗实现人员违规行为与安全隐患监控的目的。通过本方法的提出,可针对未持有动火证人员进行动火、未被授权私自动火、动火过程中出现火灾火警、动火区域内违规抽烟、动火过程中人员违规进出等异常事件的产生进行高准确度识别并报警警告提示,且满足24小时不间断实时警情监测,为工地动火安全保驾护航。