科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于图像识别的变电站现场人员不安全行为监测对于保障电力生产安全具有重要的意义.对未穿戴绝缘手套的识别是安全监测的重要内容，但手部/手套面积小、有效样本数量少、多人场景中未佩戴手套人员难以识别等问题严重制约了识别算法的性能.针对上述问题，本文提出了一种面向绝缘手套佩戴状况检测的小目标检测与匹配算法.首先，针对数据集中有效样本数量少且特征数量严重不平衡的问题，采用颜色变换与图像拉伸等方法对数据集的图片进行数据增广.其次，针对手部/手套面积小导致目标识别率不高的问题，提出一种基于改进YOLOv3网络的检测算法.一方面，对原网络中的特征金字塔结构进行改进，对网络中多层级特征信息进行融合，提升小目标识别精度；另一方面，使用K均值算法分析数据集，获得适合本数据集的初始候选框，进一步提升小目标识别性能.最终，针对目前算法中仅进行手部/手套识别，但在多人场景中难以识别对应的人员的问题，设计了一套手部与人体的关联匹配算法，可以有效的对检测结果进行匹配.实验结果表明：本文提出的算法能够对绝缘手套佩戴情况进行有效地检测，改进的YOLOv3模型的准确率提升了29%,并且经过改进的YOLOv3+分配算法模型的准确率提升了33.43%.
-
单位中国科学院沈阳自动化研究所; 中国科学院大学; 机器人学国家重点实验室
