公开(公告)号：CN117197735A

公开(公告)日：2023-12-08

申请号：CN202311121215.4

申请日：2023-09-01

Applicant: 桂林电子科技大学

Inventor： 张斌 ,  胡晗 ,  孙传凤

IPC: G06V20/52 ,  G06V20/40 ,  G06V40/20 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于机器视觉的MHZ车间异常行为检测方法，其中使用了MHZ模型。该算法可以实现车间常见的六类危险动作(打电话、工作台上睡觉、摔倒、剧烈奔跑、打架、玩手机)的实时检测。基于原始的SlowFast网络，为提高模型对静态动作的检测精度和捕获细粒度运动细节的能力，我们在Slow分支和侧向连接过程中融合了DANet混合域注意力机制，来提高主干网络对于关键特征的提取能力。此外，为解决视频数据集中各类动作样本不均衡的问题，我们将原模型中进行动作分类任务的交叉熵损失函数替换为FocalLoss。在车间视频数据集上进行对比实验，其结果表明，MHZ相较于原始模型，在满足实时检测的需求下，检测精度有明显提升。相较于其他同类型模型，所提出算法的检测精度也保持最高。