摄像头识别安全帽不规范佩戴 CNN

最新推荐文章于 2024-10-15 13:20:57 发布

安雯蒂

最新推荐文章于 2024-10-15 13:20:57 发布

阅读量35

点赞数

文章标签： cnn 深度学习人工智能神经网络机器学习

摄像头识别安全帽不规范佩戴利用现场已经部署好的摄像头，摄像头识别安全帽不规范佩戴实时监控现场画面分析作业人员是否出现违规行为，如发现人员未戴安全帽，同步现场声音报警，保存未戴安全帽人员照片。摄像头识别安全帽不规范佩戴系统还可以具备：反光衣识别检测、工作服着装合规识别、抽烟识别、区域入侵识别等。

在CNN出现之前，对于图像的处理一直都是一个很大的问题，一方面因为图像处理的数据量太大，比如一张512 x 512的灰度图，它的输入参数就已经达到了252144个，更别说1024x1024x3之类的彩色图，这也导致了它的处理成本十分昂贵且效率极低。另一方面，图像在数字化的过程中很难保证原有的特征，这也导致了图像处理的准确率不高。

在CNN中，我们就是通过不断的改变卷积核矩阵的值来关注不同的细节，提取不同的特征。也就是说，在我们初始化卷积核的矩阵值(即权重参数)后，我们通过梯度下降不断降低loss来获得最好的权重参数，整个过程都是自动调整的。

在CNN中，卷积操作只是加权求和的线性操作。若神经网络中只用卷积层，那么无论有多少层，输出都是输入的线性组合，网络的表达能力有限，无法学习到非线性函数。因此CNN引入激活函数，激活函数是个非线性函数，常用于卷积层和全连接层输出的每个神经元，给神经元引入了非线性因素，使网络的表达能力更强，几乎可以逼近任意函数。

摄像头识别安全帽不规范佩戴 CNN_人工智能

安全帽在施工作业过程中至关重要，甚至有时将会成为保命帽。因而，如果你施工作业时，不要担心不便，一定要戴安全帽。不同颜色安全帽就是为了区别工作人员。必须按要求恰当佩戴安全帽，以免引起不必要的麻烦。工帽和工作服装AI剖析，对进到办公场地未佩戴防护口罩、工帽、工作服装的操作错误即时预警提醒。

import torch
from torch import nn
from d2l import torch as d2l


class Reshape(torch.nn.Module):
    def forward(self, x):
        # 通过view函数把图像展成标准的Tensor接收格式，即(样本数量，通道数，高，宽)
        return x.view(-1, 1, 28, 28)

net = torch.nn.Sequential(
    Reshape(),
    # 第一个卷积块，这里用到了padding=2
    nn.Conv2d(1, 6, kernel_size=5, padding=2), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 第二个卷积块
    nn.Conv2d(6, 16, kernel_size=5), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 稠密块（三个全连接层）
    nn.Flatten(),
    nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),
    nn.Linear(120, 84), nn.Sigmoid(),
    nn.Linear(84, 10))