融合目标检测和人体关键点检测的铁路司机行为识别

摘要：

随着我国经济的快速发展,铁路运输在交通运输的地位愈为重要,在传统人工监管无力应对铁路司机安全监督的情况下,使用机器实现自动实时司机行为识别早已成为了一项极有意义的工作;为实现随车部署、实时进行铁路司机行为识别的目的,基于目标框检测算法实现目标检测和关键点检测的融合,搭建了一种可以同时检测司机人体关键点和手机的神经网络;经过网络运行输出人体姿态后,通过分析人体各关节角度和人体关键点与手机目标的位置关系等后处理对6类司机行为进行了分类识别,并通过TensorRT框架对模型进行了模型推理速度的加速和体积上的压缩;实验表明,该模型在嵌入式设备TX2上推理速度为25 ms,可以达到较好检测效果下实时运行的目标;实现了实时进行铁路司机行为识别的目的.

关键词：深度学习、目标检测、关键点检测、半精度加速

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目51775449

在线出版日期：2020-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：212-216