一种基于机器视觉的井下人员不安全行为快速分析与识别方法

摘要

本发明涉及基于机器视觉的井下人员不安全行为快速分析与识别方法，利用现有数据集和实地考察记录的数据，通过筛选建立新的包含多种井下人员不安全行为的数据集；将图像识别技术与OpenPose姿态估计技术相融合进行多种井下人员不安全行为的识别，对现有YOLOv5算法进行优化，通过对letterbox函数的修改将图片缩放改进使图像更加清晰，且推理检测速度获得提升，效果更加明显，从而对监控拍摄到的图像进行识别；OpenPose姿态估计技术利用OpenPose神经网络识别人和人体骨骼关键点的数据，将井下视频数据通过姿态估计之后得出误差值与预先训练好的阈值相比较得出是否存在不安全行为，实时性强，精确度高，可以实现对井下人员不安全行为快速分析判断。