施工现场安全监控与挖掘机活动分析系统
计算机视觉与模式识别
2022-07-26 v3 机器人学
摘要
随着深度学习和计算机视觉的最新进展，自主挖掘机等 AI 驱动的施工机械已取得显著进步。安全是现代施工中最重要的一环，其中施工机械正愈发自动化。本文中，我们提出一种基于视觉的挖掘机感知、活动分析与安全监控系统。我们的感知系统可实时检测多类施工机械与人，同时估计挖掘机的姿态与动作。随后，我们基于感知结果提出一种新颖的安全监控与挖掘机活动分析系统。为评估方法性能，我们使用自主挖掘机系统（AES）收集了一个数据集，包含不同光照条件下带人工标注的多类物体。我们还在基准施工数据集上评估了我们的方法。结果表明，相比 Faster R-CNN/YOLO v3 模型，我们的 YOLO v5 多类物体检测模型推理速度提升 8 倍（YOLO v5 x-large）至 34 倍（YOLO v5 small）。此外，YOLO v5 模型准确率提升 2.7%（YOLO v5 x-large），同时模型尺寸减小 63.9%（YOLO v5 x-large）至 93.9%（YOLO v5 small）。实验结果显示，所提动作识别方法在 top-1 准确率上优于最优方法约 5.18%。所提实时安全监控系统不仅为我们在固废场景中的自主挖掘机系统（AES）设计，也可应用于一般施工场景。
引用
@article{arxiv.2110.03083,
title = {Construction Site Safety Monitoring and Excavator Activity Analysis System},
author = {Sibo Zhang and Liangjun Zhang},
journal= {arXiv preprint arXiv:2110.03083},
year = {2022}
}