控制与决策

作者：王鑫,刘晓楠,高焕兵,曾子铭,张吟龙

单位：沈阳建筑大学 电气与控制工程学院,沈阳 110168,,沈阳建筑大学 电气与控制工程学院,沈阳 110168,,山东建筑大学 电气工程学院,济南 250101;山东建筑大学 山东省智能建筑技术重点实验室,济南 250101,,深圳职业技术学院 汽车与交通学院,广东 深圳 518055,,中国科学院 沈阳自动化研究所,沈阳 110169,

关键词：多模态;跌倒检测;轻量化卷积;时间帧合并;位姿残差融合

基金：国家自然科学基金项目(62273332)；中国科学院青年创新促进会会员项目(2022201)；山东省智能建筑技术重点实验室开放课题项目(SDIBT202003)；沈阳市科技计划项目(22-322-3-36).

为了解决工厂车间视觉监控存在噪声干扰、光线变化、目标遮挡等问题,提出一种基于多模态视觉监控的工人跌倒检测算法.首先,采用热像仪和可见光相机获取车间内全天候监控图像,结合自适应滤波模型对图像进行降噪处理,以抑制环境噪声对监控图像的干扰;然后,构建一种改进的人体姿态特征提取网络,通过融合串联时间帧合并模块和位姿残差模块,以简化目标检测的特征图尺度,实现监控图像中工人区域被部分遮挡时姿态的实时、可靠预测;最后,设计人体轴线倾角、人体外接矩形框长宽比以及双膝盖点移动速度作为工人跌倒判别性特征,进而实现车间内工人的跌倒判别.在自建数据集和公开数据集上对所提出方法进行验证,实验结果表明,所提出算法的跌倒检测精度分别为95.6%和96.3%,与对比算法相比具有更好的准确性和实时性.

来源：2024年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第4期