科研之友
微信
新浪微博
Facebook
分享链接
摘要
当实验人员离开化学实验室时,未及时关闭通风柜橱窗会造成严重的安全隐患以及能源浪费,且目前缺乏有效的信息化管理手段。本文利用计算机视觉技术非接触性、可扩展性强的优势,提出了基于小样本深度学习的通风柜橱窗状态识别方法。首先对监控视频进行预处理,基于运动特征和几何先验提取出通风柜橱窗区域;然后对改进的多尺度空洞原型网络进行训练,准确识别出通风柜橱窗的状态。在实际应用中,结合改进的人员检测算法有效减少了识别次数。经实验验证,该方法的准确率较卷积神经网络提升了10.95%,并且对光照变化的鲁棒程度较高,可有效满足化学实验室的日常安全管理要求。
- 单位
