火电厂煤场作业人员的多模态检测方法

作者：张琨; 金坤; 张方; 唐晓萌; 程豪豪; 岳益锋; 张剑华^*

来源：天津理工大学学报, 2020, 36(06): 35-41.

• 火电厂
• 煤场
• 多模态融合
• 深度学习
• 卷积神经网络
• 目标检测

煤场作业人员的安全防护是火电厂安全有序生产的重要保障.封闭煤场内部场景存在光照条件差、粉尘干扰严重、颜色信息单调、检测范围广的特点,导致在该场景中传统基于可见光图像的人员检测方法无法有效检测人员安全性.本文提出一种基于双光相机的多模态融合深度学习的方法,对封闭煤场作业人员进行精确的目标检测,检测精度较原始检测方法提升了近22%.首先给出了该方法的整体架构,然后阐述具体使用的融合方法及卷积神经网络结构,最后采集真实样本开展了模型训练及测试.实验结果表明,本算法的检测精度高、速度快,实现了煤场恶劣环境条件下作业人员的高效检测.

• 单位
  福建华电可门发电有限公司; 浙江工业大学; 华电电力科学研究院有限公司