摘要: |
针对电厂高空作业人员安全带佩戴检测问题,现有研究大多利用深度检测模型直接检测,不仅需要大量样本训练模型;而且由于高空作业背景杂乱、人员目标小,导致不易检测等。为此,本文提出一种基于目标检测和少样本细粒度分类的两阶段检测方法:首先利用YOLOv5检测视频图像中的高空作业人员,再用少样本细粒度分类方法识别其是否佩戴安全带。针对佩戴和不佩戴安全带人员的细微差别,本文设计了一种基于局部描述符的少样本度量学习模型,在公用数据集预训练模型基础上,利用少量训练样本对模型微调,用于安全带佩戴识别。实验结果表明,在支持集图像数为60时,识别精度达到了97.86%。本文方法可实现少样本情况下对高空作业人员安全带佩戴情况的精确检测。 |
关键词: 少样本学习 局部描述符 YOLOv5 安全带检测 高空作业 |
DOI:10.3969/j.issn.1005-9490.2024.01.036 |
|
基金项目: |
|
|
|
() |
Abstract: |
|
Key words: |