基于图像识别技术的龙溪口航电工程智能视频监控系统设计.pdf
《基于图像识别技术的龙溪口航电工程智能视频监控系统设计.pdf》由会员分享,可在线阅读,更多相关《基于图像识别技术的龙溪口航电工程智能视频监控系统设计.pdf(5页珍藏版)》请在咨信网上搜索。
1、2023 年 10 月水运工程Oct.2023第 10 期 总第 615 期Port&Waterway EngineeringNo.10 Serial No.615基于图像识别技术的龙溪口航电工程智能视频监控系统设计姜旭东1,宋本扬2,杜泽永1,邢小军1,王佳俊2,郑 春3(1.四川岷江港航电开发有限责任公司,四川 乐山 614000;2.天津大学,水利工程仿真与安全国家重点实验室,天津 300350;3.四川港航建设工程有限公司,四川 成都 610023)摘要:为加强施工现场的安全管理,对工人的安全帽佩戴进行智能化检测,提出一种基于图像识别技术的航电工程智能视频监控系统,由目标检测模块和网络
2、通信模块构成,按照 CS 架构部署,并成功应用于岷江龙溪口航电枢纽施工现场。其中目标检测模块采用先进的目标检测算法,通过卷积神经网络对图像中的安全带和安全帽进行特征提取、分类和定位,完成识别;网络通信模块通过网络连接视频采集终端、服务器和视频播放终端完成图像采集、传输和显示。对系统各组分的测试表明,系统各项功能完备,各模块间连接完好,能够完成工程建设过程各场景的实时图像采集、传输、识别和显示功能,为龙溪口航电工程建设安全管理提供了坚实的基础。关键词:航电工程;图像识别;视频监控;安全帽识别;目标检测中图分类号:U61文献标志码:A文章编号:1002-4972(2023)10-0183-05De
3、sign of intelligent video monitoring system of Longxikou Navigation-power project based on image recognition technologyJIANG Xudong1 SONG Benyang2 DU Zeyong1 XING Xiaojun1 WANG Jiajun2 ZHENG Chun3 1.Sichuan Minjiang Port&Shipping&Electricity Power Development Co.Ltd.Leshan 614000 China 2.State Key L
4、aboratory of Hydraulic Engineering Simulation and Safety Tianjin University Tianjin 300350 China 3.Sichuan Port and Channel Construction Engineering Co.Ltd.Chengdu 610023 China Abstract To strengthen the safety management of construction site and intelligently detect the helmets worn by workers this
5、 paper proposes an intelligent video monitoring system for navigation and power project based on object detection which consists of object detection module and network communication module deployed according to the CS architecture and successfully applied to the construction site of navigation and p
6、ower hub project on Minjiang River.The object detection module uses advanced object detection algorithm to extract classify and locate the features of safety belts and helmets in the image through convolutional neural network and thus complete the recognition of safety belts and helmets.The network
7、communication module connects the video capture terminal server and video player terminal through the network to complete the image capture transmission and display functions.The test of each component of the system shows that the system has complete functions and the modules are well connected.It c
8、an complete the real-time image acquisition transmission detection and display functions of each scene in the process of project construction providing a solid foundation for the safety management of Longxikou navigation and power project construction.Keywords navigation and power project image reco
9、gnition video monitoring helmet detection object detection收稿日期:2023-06-07作者简介:姜旭东(1984),男,工程师,从事港口航道及水利水电工程建设管理。水 运 工 程2023 年 近年来,施工现场人员安全事故频发。据统计,建筑工程安全生产事故中高处坠落和由物体打击引起的事故位列前两名,分别占 53.69%和15.91%1,逐渐发展为威胁施工现场人员安全的重大隐患。施工用安全帽是保护施工人员免受上述伤害的有效措施 2,但由于施工人员安全意识缺乏、设备舒适度低等问题,施工现场安全保障设备的实际佩戴情况并不乐观 3。随着施工现场
10、视频监控的普及和机器学习智能算法的兴起,借助基于图像识别技术的智能化手段对监控视频中的人员安全保障设备进行自动化检测成为可能。基于图像识别的方法可以有效避免人为疏忽和不必要的人力投入、节约成本,同时还能高效地完成检测工作,保证现场施工工人安全,对提升施工现场的管理水平有指导意义。本文提出一种基于图像识别技术的智能视频监控系统,能够通过施工现场布置的视频监控系统实时采集视频资料,采用基于深度学习的图像识别算法 4 对视频中采集到的的人员安全带、安全帽佩戴情况进行实时检测,并将检测结果在视频中以醒目的形式标注,最终反馈到大屏系统中。经试验分析,系统能够完成施工现场的图像采集、传输和识别,为一线施工
11、现场安全管理提供数据支持和指导,并已成功应用于四川省岷江龙溪口航电枢纽工程。1 目标识别目标检测技术近年发展迅速,按照检测方式主要可分为基于区域建议的两阶段模型和基于回归的单阶段模型。其中,两阶段模型通过区域建议和目标分类 2 个阶段完成目标检测任务,精度较高但检测速度较慢,如 R-CNN 5、Fast R-CNN 6、Faster-R-CNN 7 及 Mask R-CNN 8 等模型。单阶段模型通过回归直接进行目标检测任务,检测速度快但检测精度较低,容易造成漏检、误检等问题,如 YOLO 9、YOLOv2 10、YOLOv3 11、YOLOv4 12、SSD 13、RetinaNet 14
12、等模型。考虑到施工现场安全帽检测的准确度要求高于速度要求,本系统的目标识别模块主要采用基于深度学习的计算机视觉手段,采用先进的 Faster R-CNN 目标检测方法对施工现场实时采集到的视频监控画面进行识别与分析。其主要结构可分为2 个阶段,第 1 阶段生成目标可能出现的位置,由负责特征提取的卷积神经网络 CNN 和区域建议网络 RPN 组成,第 2 阶段对目标进行分类与定位,由一系列堆叠的神经网络层组成。1)卷积神经网络。卷积神经网络是一种基于卷积数学运算的前馈神经网络,相较于传统的全连接前馈神经网络,卷积神经网络具有参数量少、运算速度快、适用范围广泛等特点。此外,由于二维卷积本身对输入的
13、平移变换并不敏感,卷积神经网络能够高效地完成图像识别、分类等工作。在以图像识别和分类为基础的目标检测模型中,常使用卷积神经网络作为主干,自动提取图像中各种物体的特征,避免传统图像识别技术中需要人工设定物体特征的缺点。卷积神经网络数学运算式:f(x)g(x)=-f()g(x-)d(1)f(x)g(x)=-f()g(x-)(2)式中:f、g 为函数;x、为自变量。2)区域建议网络。区域建议网络的主要作用是在通过卷积神经网络进行特征提取得到的特征图中生成目标候选框。RPN 采用滑动窗口方式,在特征图上滑动 1 个 nn 的窗口,通过卷积神经网络提取窗口中的特征,送入 2 个不同的全连接层分别作边框回
14、归和分类,得到框体坐标和分类置信度,其中滑动窗口使用 1 个尺寸为 nn 的卷积核在特征图上执行卷积运算实现。因此,RPN相较于 CNN 实际上并无网络层的增加,存储与计算开销与经典 CNN 网络基本一致。此外,在每一个滑动窗口上,RPN 采用以窗口中心为锚点的 3 种边长(8,16,32)和 3 种宽高比(0.5,1,2)共计 9 种组合的锚盒(anchor box)。锚盒尺寸和宽高比例的多种组合初步解决了图像中不同目标尺寸、比例不尽相同的问题。481 第 10 期姜旭东,等:基于图像识别技术的龙溪口航电工程智能视频监控系统设计2 网络通信2.1 基本架构网络通信采用 RTSP(real-t
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 图像 识别 技术 龙溪口航电 工程 智能 视频 监控 系统 设计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。