10.3963/j.jssn.1674-4861.2022.02.003
基于异步交互聚合网络的港船作业区域人员异常行为识别
港船作业区域人员的异常行为识别可为智能航运的管控与决策提供重要数据支撑,有利于推动智慧港口和智能船舶的发展.基于异步交互聚合网络开展了面向港船工作环境下的人员异常行为识别研究.基于YOLO模型对港船图像进行卷积操作,利用特征金字塔优化卷积结果得到图像序列中每一帧的人员位置,结合联合学习检测和嵌入范式输出港船图像序列中的人、物体特征信息以及时序信息;利用异步交互聚合网络中的交互聚合结构更新特征池的多维度特征信息,以识别港区与船舶工作环境下的人员异常行为.实验结果表明:提出的港船作业区域人员异常行为识别方法的平均识别精度为91%,在港区工作环境下的人员异常行为识别精度为85%,在船舶驾驶台环境下,提出的异常行为识别框架对船员的不安全行为识别精度达到97%.所提出的识别框架在不同港船作业区域环境中都能获得较好的精度,验证了其有效性和可靠性.
交通工程、自动化码头、智能船舶、异步交互聚合网络、YOLO模型、异常行为识别
40
U697.33(水路运输技术管理)
国家重点研发计划;国家自然科学基金;国家自然科学基金;陕西省重点研发计划项目;中国博士后科学基金
2022-05-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
22-29