工地现场多目标危险行为检测算法的研究与实现

确保安全规则的执行是保证施工场地工人安全的重要方面,也是工地安全管理的主要工作。实现对施工现场的自动监视可以有效提高管理效率、节约成本。提出了一种基于DenseNet网络的多目标行为检测算法,能够实现对危险行为的自动识别。采用DenseNet网络替代了常用的DarkNet作为基础网络,提高了检测网络的精度;在检测网络中引入了注意力机制,有效解决了目标检测框重叠的问题。为了证明该算法的有效性,以是否佩戴安全帽检测为例设计了实验,与其他先进的检测算法进行对比。实验结果表明,该方法在检测精度上优于其他算法,同时能够满足实时性要求。其提出对提高危险行为检测水平,保证安全施工具有重要的现实意义。

基于改进Deep Sort算法的多目标跟踪算法

目标跟踪作为近几年的一个热门研究方向,在视频监控、无人驾驶和机器人导航等领域得到了广泛的应用。而在电力工程施工场所应用多目标跟踪算法,有助于实时、智能地掌握相关人员活动情况,及时地对危险情况作出预测。对此,提出了一种基于改进Deep Sort算法的多目标跟踪算法,在算法中引入了加速度参数分量和全局轨迹生成机制,使其在基本满足实时跟踪的要求下,尽可能地提高算法的跟踪精度,并提供场景中人员的全局移动轨迹信息。为了验证改进算法的有效性,设计了改进算法与原算法的对比实验。实验结果表明,与原算法相比,改进算法在基本保证实时性的使用要求下,提升了多目标跟踪的精度,取得了良好的跟踪效果。