面向智慧工厂的双光融合车间人员行为识别方法

摘要

为弥补传统的单一成像监控方式的不足,对车间人员实行智能化的行为管控,提出了一种决策级的双光融合行为识别算法。在实地调研车间环境后采集了6类异常行为和3类工作行为,自建车间可见光-红外行为样本库,重新训练YOLOv5网络获取可见光和红外模型。建立了一种决策级的融合策略,能够同时识别双光数据中的目标并融合,得到最终的行为识别结果。在自建数据集上进行实验,结果表明融合算法的识别精度达到了93.04%,推理速度满足实时的识别要求。与仅使用单一数据源的算法相比,精度分别提升3.43%和0.84%;与其他5种特征级融合检测算法相比,精度均有大幅提升,证明了该融合方法的优越性。该方法可以有效地规范车间生产行为,并对异常行为进行及时预警,具有实际的工程应用价值。