电梯门异常开关检测模型研究

柯 家辉, 朱 康华, 何 新
南京理工大学

摘要


对基于改进YOLOv8-Pose算法进行了简要阐述，针对电梯环境的封闭性和资源受限特征，提出了轻量级
改进算法MAY（MobileNet-Attention-YOLO）并引入自适应阈值焦点损失函数（ATFL）。在电梯门异常检测方
面，采用多种边缘检测方法对比并引入PPHT直线检测算法，设计基于动态前景提取和直线数量判断的开关门判定
流程，优化GhostFaceNet结构，提出融合E-Ghost Module、SE模块、空间注意力机制及跨层残差连接的ResSpatial_
GhostFaceNet模型，实现高精度、低资源消耗的嵌入式识别。实验结果表明，本文方法在不同复杂场景下均具有良
好适应性和实用性，为多场景智能视觉感知系统的构建提供了有效参考。

关键词


视觉识别；YOLOv8-Pose；GhostFaceNet；边缘检测；电梯监测；电梯门识别

全文:

PDF


参考


[1]Bochkovskiy A, Wang C Y, Liao H Y M. YOLOv4:

Optimal speed and accuracy of object detection[J]. arXiv

preprint arXiv:2004.10934, 2020.

[2]Tan M, Le Q. EfficientNet: Rethinking model

scaling for convolutional neural networks[C]//International

Conference on Machine Learning. PMLR, 2019: 6105-6114.

[3]Han K, Wang Y, Tian Q, et al. GhostNet: More

features from cheap operations[C]//Proceedings of the

IEEE/CVF Conference on Computer Vision and Pattern

Recognition. 2020: 1580-1589.


Refbacks

  • 当前没有refback。