基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对当前智能监控领域安全帽监检测存在硬件资源要求高、准确性低、实时性差的问题,提出了一种基于颜色分割的安全帽检测方法,该方法以传统的数字图像处理为基础,首先通过监控的实际场景获取监控画面,人工标注全帽所在区域,然后将RGB颜色空间图像转化为HSV颜色空间,统计不同颜色安全帽的HS颜色分量的阈值,利用K-mesns算法获取矩形框类别,并分类统计矩形框面积和矩形度范围,最后进行边缘提取、矩形框筛选方式现实安全帽检测.通过仿真分析,对于特定的安全帽场景及通用的CPU硬件设备下,与YOLOv3、SSD等传统的深度学习算法相比较,在保持准确率相当的前提下大幅提高了检测的速度.
推荐文章
基于深度学习的安全帽检测方法研究
安全帽
不安全行为
深度学习
卷积神经网络
基于改进Faster RCNN的安全帽佩戴检测研究
安全帽佩戴检测
FasterRCNN
多尺度训练
在线困难样本挖掘
多部件结合
基于Swin Transformer的YOLOv5安全帽佩戴检测方法
安全帽佩戴检测
YOLOv5
Swin Transformer
Ghost
新型跨尺度特征融合
K-means++
能自动测报体温的智能施工安全帽研究
智能施工安全帽
自动测报体温
防疫装备
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于颜色阈值分割的安全帽检测方法研究
来源期刊 电力系统装备 学科
关键词 安全帽检测 颜色分割 HSV颜色空间
年,卷(期) 2021,(8) 所属期刊栏目 技术前沿|TECHNOLOGY FRONTIER
研究方向 页码范围 183-185
页数 3页 分类号 TP391.41
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (21)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(3)
  • 参考文献(0)
  • 二级参考文献(3)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
安全帽检测
颜色分割
HSV颜色空间
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力系统装备
半月刊
2095-6509
11-9341/TM
北京市德胜门外北沙滩一号16信箱
chi
出版文献量(篇)
13313
总下载数(次)
27
论文1v1指导