基于卷积神经网络的矿工安全帽佩戴识别研究

摘要：

为了解决矿山安全监控监测主要靠人工对视频数据进行识别而存在的诸多人为因素限制的问题,通过构建卷积神经网络实现计算机智能识别矿工安全帽的佩戴,在不增加任何辅助装置的条件下实现矿工安全着装智能识别.从视频数据中提取图像,通过对图像进行旋转、偏移、剪切等预处理,将图像分为矿山背景、戴安全帽的矿工和不戴安全帽的矿工3类.通过构建3种不同深度层次的卷积神经网络进行实验对比,"4个卷积层+3个池化层+3个全连接层"组成的深层网络识别准确率较高,达到91.2％.实验表明利用卷积神经网络可以较好地实现对矿工是否正确佩戴安全帽的智能识别.研究方法为人工智能应用于矿山的安全监控、安全行为及安全状态的智能识别研究提供借鉴.

关键词：矿山安全、卷积神经网络、智能识别、安全帽、安全生产、Caffe深度学习框架

所属期刊栏目：25

分类号：X936(安全工程)

资助基金：国家自然科学基金项目"基于深度学习和距离场的复杂金属矿体三维建模技术研究"41572317

在线出版日期：2017-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-80