基于深度学习的安全帽识别算法研究与模型训练
针对作业人员不按规定佩戴安全帽和非作业人员误入作业现场的问题,设计了基于深度学习的安全帽和语音识别智能终端算法.对于安全帽的检测,采用了人体关键点检测模型和基于深度学习的YOLO3算法.将智能摄像头得到的视频文件,先利用人体关键点模型提取现场人员图像,再结合YOLO3算法检测现场作业人员佩戴安全帽的情况,对于未正确佩戴安全帽的人员发出告警信息.通过模型训练验证了所提模型的实用性....
Gespeichert in:
| Veröffentlicht in: | 电力系统保护与控制 2021-11, Vol.49 (21), p.107-112 |
|---|---|
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 112 |
|---|---|
| container_issue | 21 |
| container_start_page | 107 |
| container_title | 电力系统保护与控制 |
| container_volume | 49 |
| creator | 曾纪钧 温柏坚 梁哲恒 |
| description | 针对作业人员不按规定佩戴安全帽和非作业人员误入作业现场的问题,设计了基于深度学习的安全帽和语音识别智能终端算法.对于安全帽的检测,采用了人体关键点检测模型和基于深度学习的YOLO3算法.将智能摄像头得到的视频文件,先利用人体关键点模型提取现场人员图像,再结合YOLO3算法检测现场作业人员佩戴安全帽的情况,对于未正确佩戴安全帽的人员发出告警信息.通过模型训练验证了所提模型的实用性. |
| doi_str_mv | 10.19783/j.cnki.pspc.210104 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_jdq202121013</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>jdq202121013</wanfj_id><sourcerecordid>jdq202121013</sourcerecordid><originalsourceid>FETCH-LOGICAL-s993-862aef095d62c7822c33d217625918a361946940a3ede94ead3f4da5f443c04c3</originalsourceid><addsrcrecordid>eNotj09LwzAcQHNQcMx9Aq9eW5P8krQ5iQz_wcDL7iMmraxKnRbxA_gHRdjJIXhw22VMZBURdFb8Nk27j6Gip3d7j4fQEsEukZ4PK5Gr4_2220k62qUEE8zmUIUIjznACF9AtSRp72IMhHPhywpatf0sz7rF-4vNRnYyyj8G5f25Ta_txdhOv2bPl_bqqUzvitdeObgtH9_yabcYD-3DzSydlJ9ni2g-VAdJUPtnFTU31pv1Laexs7ldX2s4iZTg-IKqIMSSG0G151OqAQwlnqBcEl-BIJIJybCCwASSBcpAyIziIWOgMdNQRct_2lMVhyrea0WHJ8fxT7AVmSOKKfl9BfgGmgphoA</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于深度学习的安全帽识别算法研究与模型训练</title><source>DOAJ Directory of Open Access Journals</source><creator>曾纪钧 ; 温柏坚 ; 梁哲恒</creator><creatorcontrib>曾纪钧 ; 温柏坚 ; 梁哲恒</creatorcontrib><description>针对作业人员不按规定佩戴安全帽和非作业人员误入作业现场的问题,设计了基于深度学习的安全帽和语音识别智能终端算法.对于安全帽的检测,采用了人体关键点检测模型和基于深度学习的YOLO3算法.将智能摄像头得到的视频文件,先利用人体关键点模型提取现场人员图像,再结合YOLO3算法检测现场作业人员佩戴安全帽的情况,对于未正确佩戴安全帽的人员发出告警信息.通过模型训练验证了所提模型的实用性.</description><identifier>ISSN: 1674-3415</identifier><identifier>DOI: 10.19783/j.cnki.pspc.210104</identifier><language>chi</language><publisher>广东电网有限责任公司,广东广州 510600</publisher><ispartof>电力系统保护与控制, 2021-11, Vol.49 (21), p.107-112</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/jdq/jdq.jpg</thumbnail><link.rule.ids>314,780,784,864,27924,27925</link.rule.ids></links><search><creatorcontrib>曾纪钧</creatorcontrib><creatorcontrib>温柏坚</creatorcontrib><creatorcontrib>梁哲恒</creatorcontrib><title>基于深度学习的安全帽识别算法研究与模型训练</title><title>电力系统保护与控制</title><description>针对作业人员不按规定佩戴安全帽和非作业人员误入作业现场的问题,设计了基于深度学习的安全帽和语音识别智能终端算法.对于安全帽的检测,采用了人体关键点检测模型和基于深度学习的YOLO3算法.将智能摄像头得到的视频文件,先利用人体关键点模型提取现场人员图像,再结合YOLO3算法检测现场作业人员佩戴安全帽的情况,对于未正确佩戴安全帽的人员发出告警信息.通过模型训练验证了所提模型的实用性.</description><issn>1674-3415</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNotj09LwzAcQHNQcMx9Aq9eW5P8krQ5iQz_wcDL7iMmraxKnRbxA_gHRdjJIXhw22VMZBURdFb8Nk27j6Gip3d7j4fQEsEukZ4PK5Gr4_2220k62qUEE8zmUIUIjznACF9AtSRp72IMhHPhywpatf0sz7rF-4vNRnYyyj8G5f25Ta_txdhOv2bPl_bqqUzvitdeObgtH9_yabcYD-3DzSydlJ9ni2g-VAdJUPtnFTU31pv1Laexs7ldX2s4iZTg-IKqIMSSG0G151OqAQwlnqBcEl-BIJIJybCCwASSBcpAyIziIWOgMdNQRct_2lMVhyrea0WHJ8fxT7AVmSOKKfl9BfgGmgphoA</recordid><startdate>20211101</startdate><enddate>20211101</enddate><creator>曾纪钧</creator><creator>温柏坚</creator><creator>梁哲恒</creator><general>广东电网有限责任公司,广东广州 510600</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20211101</creationdate><title>基于深度学习的安全帽识别算法研究与模型训练</title><author>曾纪钧 ; 温柏坚 ; 梁哲恒</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s993-862aef095d62c7822c33d217625918a361946940a3ede94ead3f4da5f443c04c3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>曾纪钧</creatorcontrib><creatorcontrib>温柏坚</creatorcontrib><creatorcontrib>梁哲恒</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电力系统保护与控制</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>曾纪钧</au><au>温柏坚</au><au>梁哲恒</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于深度学习的安全帽识别算法研究与模型训练</atitle><jtitle>电力系统保护与控制</jtitle><date>2021-11-01</date><risdate>2021</risdate><volume>49</volume><issue>21</issue><spage>107</spage><epage>112</epage><pages>107-112</pages><issn>1674-3415</issn><abstract>针对作业人员不按规定佩戴安全帽和非作业人员误入作业现场的问题,设计了基于深度学习的安全帽和语音识别智能终端算法.对于安全帽的检测,采用了人体关键点检测模型和基于深度学习的YOLO3算法.将智能摄像头得到的视频文件,先利用人体关键点模型提取现场人员图像,再结合YOLO3算法检测现场作业人员佩戴安全帽的情况,对于未正确佩戴安全帽的人员发出告警信息.通过模型训练验证了所提模型的实用性.</abstract><pub>广东电网有限责任公司,广东广州 510600</pub><doi>10.19783/j.cnki.pspc.210104</doi><tpages>6</tpages></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1674-3415 |
| ispartof | 电力系统保护与控制, 2021-11, Vol.49 (21), p.107-112 |
| issn | 1674-3415 |
| language | chi |
| recordid | cdi_wanfang_journals_jdq202121013 |
| source | DOAJ Directory of Open Access Journals |
| title | 基于深度学习的安全帽识别算法研究与模型训练 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-29T08%3A05%3A49IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%9A%84%E5%AE%89%E5%85%A8%E5%B8%BD%E8%AF%86%E5%88%AB%E7%AE%97%E6%B3%95%E7%A0%94%E7%A9%B6%E4%B8%8E%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83&rft.jtitle=%E7%94%B5%E5%8A%9B%E7%B3%BB%E7%BB%9F%E4%BF%9D%E6%8A%A4%E4%B8%8E%E6%8E%A7%E5%88%B6&rft.au=%E6%9B%BE%E7%BA%AA%E9%92%A7&rft.date=2021-11-01&rft.volume=49&rft.issue=21&rft.spage=107&rft.epage=112&rft.pages=107-112&rft.issn=1674-3415&rft_id=info:doi/10.19783/j.cnki.pspc.210104&rft_dat=%3Cwanfang_jour%3Ejdq202121013%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=jdq202121013&rfr_iscdi=true |