山东大学学报(工学版)

作者：赵越男,陈桂友,孙琛,卢宁,廖立伟

单位：1. 山东大学控制科学与工程学院, 山东 济南 250061；2. 北京大学软件与微电子学院, 北京 100871

关键词：智能监控,YOLOv3,卡尔曼滤波,空间隐患,运动意图,危险度评估,

基金：山东省重点研发计划项目(2017GGX90105);山东省自然科学基金(ZR2017MF014)

针对智能监控领域中存在的目标检测速度慢、安全性分析缺失等问题,提出一种基于空间隐患分布与运动意图解析的危险评估方法。使用k-means++及背景消除法增强YOLO(you only look once)v3算法的目标检测能力,完成人体目标和危险物的识别及定位;利用卡尔曼滤波预测人体目标的移动轨迹,以移动偏向角及人体目标与危险物的距离构建人的运动模式;建立危险度评估模型,依据不同的运动行为模式评估其危险程度。试验结果显示,增强YOLOv3算法在测试集上对各类目标的检测精准度与召回率均超过95%,交并比(intersection over union, IOU)提升7%,帧率达31.3帧/s,满足系统的实时性要求;本研究提出的危险度评估方法能够较好拟合多种运动模式的风险递变规律,危险度评估结果融合了看护目标的运动意图,使得对不同运动模式的安全性评估更加合理。

来源：2020年第1期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第1期