基于轻量级YOLOv3的员工违规行为检测算法

随着工业互联网安全受到越来越多的关注,如何通过技术手段保障生产环境安全就成为单位管理人员所思考的问题。论文针对值班室、中控室、管理室等类似场景的安全需求,提出了一种基于轻量级卷积网络的员工违规行为检测算法。该算法能够实时监测指定区域工作人员的行为状态,避免因员工长时间处于离岗、睡岗状态时,可能导致设备设施生产事故、设备信息泄露、无法处理应急事件等情况的发生。违规行为检测算法由人体检测与行为识别算法两部分组成。首先,通过轻量级人体检测网络获取人体检测框;而后,利用目标跟踪算法与行为识别算法对人体检测框进行识别,进而确定工作人员是否存在违规行为。实验数据表明:该算法大大减少网络权重以及计算量,在边缘设备Hi3559A上检测速度可达13 ms,在实际场景数据集上,违规行为检测准确率可达96.6%。

基于深度学习和视觉检测的地铁违规行为预警系统研究与应用

近几年随着城市经济的高速增长,城市轨道交通也得到了飞速的发展,然而城市轨道交通运营中存在大量的地铁违规行为现象,己成为当前各种社会矛盾较为集中的热点问题之一。地铁违规行为现象以多种形式存在,例如厢内嬉戏打闹、车内饮食、斗殴、恶意霸占长条椅睡觉等。本文研究了目前最新的人体关节点检测模型,阅读研究了国内外相关领域最先进的文献,并在理论模型的基础上进行了相关的应用创新研究与实验。本文采用了HigherHRNet网络,并在该网络的基础上针对由于图片模糊而无法检测到关节点、错误地检测出镜像中人的关节点、非正常姿势而无法检测出所有关节点这三个问题进行了结构上和应用上的改进。实验结果表明关节点检测的平均精度(AP)是0.841,可视化展示中同时也解决了镜像干扰以及关节点不全的问题。

车载移动执法中违规车辆智能检测研究

提出了一个面向高速道路交通车辆违规行为移动执法智能检测模型。系统模型分为车道线检测、车辆检测与跟踪、逆透视变换及几何量算、面向车道定位的地图精细匹配等4个子模块。该系统模型算法在实际高速公路环境中进行了车辆违规行为检测,以及车道线检测、车辆目标及跟踪等专项测试以表征其对车辆违规行为的检测能力。测试结果表明,该系统模型具备在一定的复杂交通环境中车辆违规行为辨识能力。相关专项测试表明,该模型可以快速及准确地检测记录违规车辆。