許國敏 李偉 焦育威 楊洋 符劉旭 楊興濤 劉野
摘要:高速公路隧道、橋涵等施工現(xiàn)場工人的危險行為是造成安全事故頻發(fā)的主要因素之一,基于深度學習開展工人危險行為識別方法研究具有較好的應(yīng)用前景。本文基于YOLOv5 改進了SLOWFAST 算法,將其應(yīng)用到高速公路施工現(xiàn)場中,并設(shè)計了基于圖像識別的危險行為預(yù)警流程。在高速公路工地復(fù)雜場景下的測試表明,該方法的識別視頻幀率達到了40 左右,準確度達到90 左右,充分說明了該方法的有效性。
關(guān)鍵詞:高速公路;施工現(xiàn)場;危險行為識別;SLOWFAST;目標檢測
中圖分類號:TP18 文獻標識碼:A
文章編號:1009-3044(2024)06-0089-03