基于神经网络的视觉无人机安检系统设计

发布时间：2021-03-24 05:35

　　安全生产一直以来是工程作业中重要的主题,虽然在施工环境中管理人员对安全帽佩戴有严格的要求,但实际工作中还是会有很多工程人员疏于防范,缺乏安全意识,没有佩戴安全帽。近年来随着计算机视觉技术的发展,智能化检测引起了人们的关注,计算机可以通过摄像头捕捉到的画面,利用目标检测算法来判断工程人员是否佩戴安全帽,从而形成一套高效智能的安全帽检测系统。对于房建工程而言,固定的摄像头很难监控到高楼层上工程人员的施工情况,这不免增加了监管的难度和成本,而考虑使用日益成熟的无人机技术,利用无人机携带的摄像头沿着指定的路线飞行拍摄,完成巡检不免是一种高效安全的措施。论文的主要工作如下:1.依据安全帽检测这一问题的研究背景和计算机视觉现阶段取得的研究成果,设计了基于神经网络检测算法的视觉无人机安检系统。给出了安检系统的总体设计,包括四旋翼的构成与控制,视频图像的接收和检测,以及安全帽检测系统的工作流程2.实验设计了高速的目标检测框架用于安全帽检测。给出了检测模型设计的总体框架,模型的骨干网络设计和预测模块的设计,并在充分实验的基础上不断优化出平衡性能好,检测速度快的网络模型。3.在轻量化网络结构的基础上提出了... 

【文章来源】：上海应用技术大学上海市

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

神经元模型

第16页上海应用技术大学硕士学位论文h(2-3)其中是输入，是输入的权重，是输入的偏差，是输出的权重。图2.2前馈神经网络Fig2.2Feedforwardneuralnetwork图2.3循环神经网络Fig2.3Recurrentneuralnetwork对于循环神经网络由于可以将递归连接放置在隐藏或输出中，因此没有固定的公式来计算RNN的输出层，有时只有一部分网络是递归的。RNN中的递归链接有前向输入信息的记忆，这些信息来自给定系统的状态或输出。RNN可用于连续时间和离散时间序列。2.1.1神经网络应用的发展神经网络可以逼近任意函数,仅仅使用一个隐藏层和足够多的神经元。他们可以泛化学习分类模式并基于给定系统的先前状态预测未来的状态。这些有效的特性，可以应用于分类，建模和近似函数以及预测和预测。在1980年代之前，神经网络的应用仅限于逻辑和数学运算。但是，人们相信它可以完成更复杂的任务。不久之后，神经网络的应用开始出现，即语音识别[19]，预测[20]，分类[21]，数据挖掘[22]，机器人路径规划等问题[23]。

第16页上海应用技术大学硕士学位论文h(2-3)其中是输入，是输入的权重，是输入的偏差，是输出的权重。图2.2前馈神经网络Fig2.2Feedforwardneuralnetwork图2.3循环神经网络Fig2.3Recurrentneuralnetwork对于循环神经网络由于可以将递归连接放置在隐藏或输出中，因此没有固定的公式来计算RNN的输出层，有时只有一部分网络是递归的。RNN中的递归链接有前向输入信息的记忆，这些信息来自给定系统的状态或输出。RNN可用于连续时间和离散时间序列。2.1.1神经网络应用的发展神经网络可以逼近任意函数,仅仅使用一个隐藏层和足够多的神经元。他们可以泛化学习分类模式并基于给定系统的先前状态预测未来的状态。这些有效的特性，可以应用于分类，建模和近似函数以及预测和预测。在1980年代之前，神经网络的应用仅限于逻辑和数学运算。但是，人们相信它可以完成更复杂的任务。不久之后，神经网络的应用开始出现，即语音识别[19]，预测[20]，分类[21]，数据挖掘[22]，机器人路径规划等问题[23]。


本文编号：3097162