相关实验视频
Updated: Jan 13, 2026

08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.1K
优化头盔在施工现场使用检测通过模糊逻辑基于状态跟踪
Xiaoxiong Zhou1, Xuejun Jia1,2, Jian Bai1,2
1College of Electrical Engineering and Control Science, Nanjing Tech University, Nanjing 211816, China.
Sensors (Basel, Switzerland)
|October 29, 2025
概括
这项研究引入了用于施工现场安全的先进人工智能系统,可以准确地检测头盔并跟踪工人,即使在困难的条件下. 创新的方法大大减少了错误,并改善了实时监控的跟踪稳定性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 建筑工程安全 建筑工程安全
背景情况:
- 在建筑工地进行自动安全监测至关重要.
- 挑战包括精确的头盔检测和复杂的视频序列中的多对象跟踪.
研究的目的:
- 开发一个强大的两阶段框架,用于头盔状态检测和多对象跟踪.
- 为了提高准确性和减少身份碎片化在具有挑战性的建筑工地视频.
主要方法:
- 一个YOLOv5探测器增强了自适应坐标注意力 (SACA),以改善头部区域暗示重点和小物体歧视.
- 一个DeepSORT跟踪器,具有模糊逻辑门和时间一致的更新规则,以稳定轨迹并最大限度地减少身份碎片化.
主要成果:
- 通过SACA增强的YOLOv5实现了0.940的mAP@0.5,表现优于YOLOv8和YOLOv9.
- 追踪器只用五个身份开关实现了90.5%的MOTA和84.2%的IDF1.
- 该系统在减少错过检测和身份碎片化在遮蔽,不同照明和摄像机运动下表现出有效性.
结论:
- 拟议的框架为建筑工地提供准确和稳定的头盔监控.
- 该系统适合在复杂和具有挑战性的环境中实时部署.
- SACA模块和时间一致性规则是系统性能改进的关键.
更多相关视频
07:30A Test Bed to Examine Helmet Fit and Retention and Biomechanical Measures of Head and Neck Injury in Simulated Impact
Published on: September 21, 2017
9.3K
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
2.1K