科研之友
微信
新浪微博
Facebook
分享链接
摘要
为弥补传统的单一成像监控方式的不足，对车间人员实行智能化的行为管控，提出了一种决策级的双光融合行为识别算法。在实地调研车间环境后采集了6类异常行为和3类工作行为，自建车间可见光-红外行为样本库，重新训练YOLOv5网络获取可见光和红外模型。建立了一种决策级的融合策略，能够同时识别双光数据中的目标并融合，得到最终的行为识别结果。在自建数据集上进行实验，结果表明融合算法的识别精度达到了93.04%,推理速度满足实时的识别要求。与仅使用单一数据源的算法相比，精度分别提升3.43%和0.84%;与其他5种特征级融合检测算法相比，精度均有大幅提升，证明了该融合方法的优越性。该方法可以有效地规范车间生产行为，并对异常行为进行及时预警，具有实际的工程应用价值。
-
单位湖南大学; 湖南红太阳新能源科技有限公司
