基于小样本深度学习的通风柜橱窗状态识别方法

• 作者: 何高奇 袁玉波 马振伟
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 区域提取 特征提取 小样本学习 空洞原型网络 橱窗安全管理
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 428-435
• 页数: 8页
• 分类号: TP391
• 字数: 6757字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.20190412004

摘要

当实验人员离开化学实验室时,未及时关闭通风柜橱窗会造成严重的安全隐患以及能源浪费,且目前缺乏有效的信息化管理手段.本文利用计算机视觉技术非接触性、可扩展性强的优势,提出了基于小样本深度学习的通风柜橱窗状态识别方法.首先对监控视频进行预处理,基于运动特征和几何先验提取出通风柜橱窗区域;然后对改进的多尺度空洞原型网络进行训练,准确识别出通风柜橱窗的状态.在实际应用中,结合改进的人员检测算法有效减少了识别次数.经实验验证,该方法的准确率较卷积神经网络提升了10.95％,并且对光照变化的鲁棒程度较高,可有效满足化学实验室的日常安全管理要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何高奇	华东理工大学信息科学与工程学院	15	44	4.0	6.0
3	袁玉波	华东理工大学信息科学与工程学院	10	23	2.0	4.0
6	马振伟	华东理工大学信息科学与工程学院	1	0	0.0	0.0