安全生產(chǎn)一直以來是工程作業(yè)中重要的主題,雖然在施工環(huán)境中管理人員對安全帽佩戴有嚴(yán)格的要求,但實際工作中還是會有很多工程人員疏于防范,缺乏安全意識,沒有佩戴安全帽。近年來隨著計算機(jī)視覺技術(shù)的發(fā)展,智能化檢測引起了人們的關(guān)注,計算機(jī)可以通過攝像頭捕捉到的畫面,利用目標(biāo)檢測算法來判斷工程人員是否佩戴安全帽,從而形成一套高效智能的安全帽檢測系統(tǒng)。對于房建工程而言,固定的攝像頭很難監(jiān)控到高樓層上工程人員的施工情況,這不免增加了監(jiān)管的難度和成本,而考慮使用日益成熟的無人機(jī)技術(shù),利用無人機(jī)攜帶的攝像頭沿著指定的路線飛行拍攝,完成巡檢不免是一種高效安全的措施。論文的主要工作如下:1.依據(jù)安全帽檢測這一問題的研究背景和計算機(jī)視覺現(xiàn)階段取得的研究成果,設(shè)計了基于神經(jīng)網(wǎng)絡(luò)檢測算法的視覺無人機(jī)安檢系統(tǒng)。給出了安檢系統(tǒng)的總體設(shè)計,包括四旋翼的構(gòu)成與控制,視頻圖像的接收和檢測,以及安全帽檢測系統(tǒng)的工作流程2.實驗設(shè)計了高速的目標(biāo)檢測框架用于安全帽檢測。給出了檢測模型設(shè)計的總體框架,模型的骨干網(wǎng)絡(luò)設(shè)計和預(yù)測模塊的設(shè)計,并在充分實驗的基礎(chǔ)上不斷優(yōu)化出平衡性能好,檢測速度快的網(wǎng)絡(luò)模型。3.在輕量化網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上提出了... 

【文章來源】：上海應(yīng)用技術(shù)大學(xué)上海市

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

神經(jīng)元模型

第16頁上海應(yīng)用技術(shù)大學(xué)碩士學(xué)位論文h(2-3)其中是輸入，是輸入的權(quán)重，是輸入的偏差，是輸出的權(quán)重。圖2.2前饋神經(jīng)網(wǎng)絡(luò)Fig2.2Feedforwardneuralnetwork圖2.3循環(huán)神經(jīng)網(wǎng)絡(luò)Fig2.3Recurrentneuralnetwork對于循環(huán)神經(jīng)網(wǎng)絡(luò)由于可以將遞歸連接放置在隱藏或輸出中，因此沒有固定的公式來計算RNN的輸出層，有時只有一部分網(wǎng)絡(luò)是遞歸的。RNN中的遞歸鏈接有前向輸入信息的記憶，這些信息來自給定系統(tǒng)的狀態(tài)或輸出。RNN可用于連續(xù)時間和離散時間序列。2.1.1神經(jīng)網(wǎng)絡(luò)應(yīng)用的發(fā)展神經(jīng)網(wǎng)絡(luò)可以逼近任意函數(shù),僅僅使用一個隱藏層和足夠多的神經(jīng)元。他們可以泛化學(xué)習(xí)分類模式并基于給定系統(tǒng)的先前狀態(tài)預(yù)測未來的狀態(tài)。這些有效的特性，可以應(yīng)用于分類，建模和近似函數(shù)以及預(yù)測和預(yù)測。在1980年代之前，神經(jīng)網(wǎng)絡(luò)的應(yīng)用僅限于邏輯和數(shù)學(xué)運算。但是，人們相信它可以完成更復(fù)雜的任務(wù)。不久之后，神經(jīng)網(wǎng)絡(luò)的應(yīng)用開始出現(xiàn)，即語音識別[19]，預(yù)測[20]，分類[21]，數(shù)據(jù)挖掘[22]，機(jī)器人路徑規(guī)劃等問題[23]。

第16頁上海應(yīng)用技術(shù)大學(xué)碩士學(xué)位論文h(2-3)其中是輸入，是輸入的權(quán)重，是輸入的偏差，是輸出的權(quán)重。圖2.2前饋神經(jīng)網(wǎng)絡(luò)Fig2.2Feedforwardneuralnetwork圖2.3循環(huán)神經(jīng)網(wǎng)絡(luò)Fig2.3Recurrentneuralnetwork對于循環(huán)神經(jīng)網(wǎng)絡(luò)由于可以將遞歸連接放置在隱藏或輸出中，因此沒有固定的公式來計算RNN的輸出層，有時只有一部分網(wǎng)絡(luò)是遞歸的。RNN中的遞歸鏈接有前向輸入信息的記憶，這些信息來自給定系統(tǒng)的狀態(tài)或輸出。RNN可用于連續(xù)時間和離散時間序列。2.1.1神經(jīng)網(wǎng)絡(luò)應(yīng)用的發(fā)展神經(jīng)網(wǎng)絡(luò)可以逼近任意函數(shù),僅僅使用一個隱藏層和足夠多的神經(jīng)元。他們可以泛化學(xué)習(xí)分類模式并基于給定系統(tǒng)的先前狀態(tài)預(yù)測未來的狀態(tài)。這些有效的特性，可以應(yīng)用于分類，建模和近似函數(shù)以及預(yù)測和預(yù)測。在1980年代之前，神經(jīng)網(wǎng)絡(luò)的應(yīng)用僅限于邏輯和數(shù)學(xué)運算。但是，人們相信它可以完成更復(fù)雜的任務(wù)。不久之后，神經(jīng)網(wǎng)絡(luò)的應(yīng)用開始出現(xiàn)，即語音識別[19]，預(yù)測[20]，分類[21]，數(shù)據(jù)挖掘[22]，機(jī)器人路徑規(guī)劃等問題[23]。


本文編號：3097162