智能工厂复杂环境下人体行为检测与应用.pdfVIP

摘要

全球范围内，随着新一轮工业革命与科技进步的推进，不安全行为引发的安全事故日

益增多。在工厂中，人员违规佩戴和违规行为时有发生，且在工厂复杂环境下存在多光照、

多角度、遮挡等多种干扰环境因素的相互影响，导致目前的人体行为检测和识别的正确率

低下。因此本文在现有的深度学习检测技术的基础上，采用深度网络对佩戴行为和人体行

为算法进行了研究，提出了新的人体行为检测算法，构建了人体行为检测应用系统。本文

主要的工作内容如下：

1)创建数据集。由于适用于复杂场景下智能工厂的佩戴行为检测和人体行为检测的

公开数据集相对匮乏，且质量参差不齐。因此分别创建安全帽数据集和吸烟数据集其中,

安全帽数据集通过数据采集和自主标注的方式收集到3581张图片。而吸烟数据集通过扩

大烟支标注框和数据增强的方式扩大为8690张图片。通过这些方法分别对数据集进行改

进和扩大，提高算法检测精度。

2)构建了一种改进的DH_YOLO网络模型。针对安全帽佩戴行为检测，由于在复

杂工厂环境中面临背景复杂、目标密集等原因导致的误检测、识别精度低等问题。改进了

YOLO网络模型。该模型将可变形卷积模块加入骨干网络中，从而解决目标标注框分辨

率低，分布密集易重叠等问题；通过嵌入