在配网不停电作业现场,利用监控视频进行作业风险管控已经得到越来越多的应用,但目前的检测主要是针对安全帽,且对背景复杂、目标部分遮挡等情况下的检测较为困难。为此,提出一种基于Openpose-CenterNet的绝缘护具检测模型。首先,利用Op...在配网不停电作业现场,利用监控视频进行作业风险管控已经得到越来越多的应用,但目前的检测主要是针对安全帽,且对背景复杂、目标部分遮挡等情况下的检测较为困难。为此,提出一种基于Openpose-CenterNet的绝缘护具检测模型。首先,利用Openpose网络对图像中的作业人员进行检测,确定作业人员的骨骼关键点;其次,利用关键点信息确定安全帽、绝缘手套、绝缘披肩及绝缘服的检测范围,再利用CenterNet网络在检测范围内进行目标检测。将该模型在绝缘防护用具图片数据集上进行训练,得到测试集的检测精度接近90%,比YOLO(you only look once)v5、CenterNet等模型提高约5%。最后将该模型封装在硬件端进行硬件现场测试,测试结果表明,在不同姿态、人数、角度的情况下,该模型均能较好地完成绝缘安全防护用具的识别,同时能标注不符合安全作业规范要求的作业人员。展开更多
文摘在配网不停电作业现场,利用监控视频进行作业风险管控已经得到越来越多的应用,但目前的检测主要是针对安全帽,且对背景复杂、目标部分遮挡等情况下的检测较为困难。为此,提出一种基于Openpose-CenterNet的绝缘护具检测模型。首先,利用Openpose网络对图像中的作业人员进行检测,确定作业人员的骨骼关键点;其次,利用关键点信息确定安全帽、绝缘手套、绝缘披肩及绝缘服的检测范围,再利用CenterNet网络在检测范围内进行目标检测。将该模型在绝缘防护用具图片数据集上进行训练,得到测试集的检测精度接近90%,比YOLO(you only look once)v5、CenterNet等模型提高约5%。最后将该模型封装在硬件端进行硬件现场测试,测试结果表明,在不同姿态、人数、角度的情况下,该模型均能较好地完成绝缘安全防护用具的识别,同时能标注不符合安全作业规范要求的作业人员。
