两阶段Faster R-CNN用于施工现场人车碰撞危险自动分析

作者：张博; 宋元斌^*; 吴冰; 李劲松; 张世超

来源：制造业自动化, 2022, 44(06): 24-31.

DOI：10.3969/j.issn.1009-0134.2022.06.007

• 碰撞事故
• 深度学习
• 目标检测
• Faster R-CNN
• 潜在碰撞缓冲区

基于深度学习的计算机视觉技术为自动分析施工现场工人和卡车之间的碰撞危险提供了一条高效、低成本的途径。但传统方法经常出现工人目标漏检问题，主要原因是工人在视频图像中目标相对较小。为了克服上述问题，设计了一个用于自动分析人车碰撞危险的Faster R-CNN的两阶段目标检测方法。在第一阶段，从图像中检测形体较大的卡车，接着在卡车目标框周围生成一个潜在碰撞缓冲区；在第二阶段，在潜在碰撞缓冲区中检测工人目标。随后，根据检测结果结合隶属度函数计算出工人的碰撞危险等级。另外，也探讨了如何确定潜在碰撞缓冲区的范围。实验结果表明，所提出的分步检测方法在人车碰撞危险自动分析中显著提高了工人目标检测的准确率和召回率，有助于提高施工现场避碰安全管理水平。

• 单位
  建筑工程学院; 上海交通大学; 国网浙江省电力公司经济技术研究院