【摘 要】
：
2019年末,新冠疫情开始向全球蔓延,在党的领导与全国人民的同心协力之下,我国新冠疫情防控整体呈现平稳的态势,但全球疫情仍然处于十分复杂的状态,疫情依然十分严峻,鉴于这种形势,对疫情的防控仍然不能懈弛,在疫情防控常态化下,佩带口罩仍然是防范疫情反复的最基本,也是最重要的防护措施之一。目前在大范围人员聚集的公共场所,如火车站、大型商超、医院、商业楼等,一般配备专业工作人员进行口罩佩戴检查,该方式存在
论文部分内容阅读
2019年末,新冠疫情开始向全球蔓延,在党的领导与全国人民的同心协力之下,我国新冠疫情防控整体呈现平稳的态势,但全球疫情仍然处于十分复杂的状态,疫情依然十分严峻,鉴于这种形势,对疫情的防控仍然不能懈弛,在疫情防控常态化下,佩带口罩仍然是防范疫情反复的最基本,也是最重要的防护措施之一。目前在大范围人员聚集的公共场所,如火车站、大型商超、医院、商业楼等,一般配备专业工作人员进行口罩佩戴检查,该方式存在着检测效率不高,以致人员拥堵排队,容易产生交叉感染,人力消耗巨大等问题,也难以进行24小时不间断的检查。通过基于深度学习的目标检测技术对口罩佩戴进行检测,不仅可以一定程度上解决上述问题,实现对口罩佩戴的实时、高效、准确地检测,为疫情的防控作出贡献,针对该研究课题,本文的主要工作如下:（1）自建口罩佩戴数据集,首先基于Faster R-CNN实现了口罩佩戴检测,通过实验表明,该模型能较好地完成口罩佩戴检测工作,但在准确性、实时性上不能完全满足相关需求,需要以此为基础作出改进。（2）YOLOv3是目前单阶段检测常用的算法,有着检测速度快、容易部署、可移植性强等优点,也存在着计算较冗余,模型较大等问题。本文在该模型的基础上,提出了轻量化YOLOv3口罩佩戴检测模型。首先引入了深度可分离卷积的策略,对原YOLOv3中的部分卷积计算做了替换,从而减少了网络中的参数数量;然后利用Rep VGG网络替代逐通道卷积部分,以弥补参数量减少带来的检测精度下降的问题;最后采取了批量归一化层与卷积层融合计算的策略,进一步降低模型的计算复杂度。最后通过对比试验证明了相关改进的可行性与有效性,从而实现了轻量化、快速化的检测目标。（3）以YOLOv4为原型构建口罩佩戴检测模型,分别引入了非局部神经网络策略以及SK Attention机制对原YOLOv4的特征提取网络进行改进,并通过实验验证了SK Attention相比非局部神经网络在本文口罩佩戴检测这一特定任务上有着更好的性能表现,由于该模型有着较强的泛化能力以及鲁棒性,对小尺寸目标,模糊目标以及有部分遮挡的目标有着更好的检测能力,能够应用于更复杂的检测场景当中。
其他文献
加注系统作为发射场地面勤务系统的关键组成部分,在运载火箭发射中扮演着重要角色。繁多的系统设备、复杂的结构机理和恶劣的工作环境,使系统在任务执行过程中运行状态难以获得有效把控。目前,对于加注系统的管理主要依靠操作人员,人力需求大,技术要求高,而且加注系统在各种因素的影响下,个别异常表现得不够清晰,若操作人员没有及时获取到系统的异常信息,就有可能错过采取有效措施的时机,从而引发重大事故。鉴于此,本文以
随着分布式传感器网络在各个行业中的应用变得越来越广泛,传统的有线充电或是电池供电的方式已经不能满足日益发展的传感器的能源供给需求,这严重限制了分布式传感器网络的应用范围。无线电能传输技术,作为一种更加安全、稳定和灵活的新型供电方案,可以从空间全方位给各种耗电装置进行供电,这为分布式传感器网络的能源供给提供了一种全新的方法。在航空火箭内部,有着许多分布放置的传感器,为了保证分布式传感器网络的稳定工作
随着科技的进步与社会的发展,机器人所面临的任务越来越复杂。这就要求机器人能在更复杂的环境中处理更复杂的任务。对于广泛使用的机械臂视觉伺服控制系统,视觉图像的深度学习和机械臂强化学习运动控制已经成为研究的热点。但是传统的基于深度学习的目标检测算法和运动控制强化学习算法,分别针对图像学习和行为学习,彼此相互独立,而在复杂多变且存在大量未知环境的情况下,机械臂视觉伺服控制系统,往往需要视觉学习和行为学习
自动引导车（Automated guided vehicle,AGV）在物流行业作为一种越来越重要的自动运输载体,广泛应用于智能化自动停车场以及工厂制造业中进行物料的搬运和运送任务。其中,自动搬运过程中最重要的技术之一就是完成AGV对轨迹跟踪的控制,目前已有许多的轨迹跟踪控制方法,随着研究人员不断地解决越来越先进的AGV系统的出现,在保持小车运动稳定的情况下,能进一步提高小车的快速性和精确性。本文
近年来,送餐机器人、物流机器人、扫地机器人等一系列移动机器人已在日常生活中被广泛使用。未来,移动机器人将在更多领域为人类服务。同时定位与建图（SLAM）技术的实现,是移动机器人能够施展自身基本功能的前提。使用昂贵的传感器,例如激光雷达、深度摄像头等,固然能够达到精准的建图定位效果,但这显然不利于移动机器人的普遍使用。因此,本课题旨在,在对精度不苛求的应用场景中,以低成本实现同时定位与建图技术,且达
现代社会对能源的需求在急剧增长,不可再生能源的过量使用产生大量的碳排放,进而导致严重的环境污染。而以清洁能源为主的可再生能源,具有很强的不确定性,难以稳定满足负载需求。多种再生能源与不可再生能源的协同使用可填补由清洁能源的间歇性所导致的功率供应不足,但同时使用多种能源进行发电会带来强耦合性和强非线性,导致传统方法难以实现对系统的有效控制,无法实现对经济成本的最优调度。因此,本文对综合能源系统经济调
基于监控视频的车辆目标跟踪对于道路运行状态感知与异常事件检测具有重要的应用价值,一直以来都是智能交通领域的研究热点。但在高速公路外场的监控视频中,车辆目标存在遮挡频繁、多尺度、变尺度等问题,以及外场环境存在阴影干扰、恶劣天气、光照变化等不稳定因素,这给车辆目标跟踪带来了很大的挑战。CenterTrack是经典的联合检测跟踪模型,但尚存在跟踪精度不足和遮挡情况下易发生ID跳变的问题,因此,研究基于C
目前,全球能源危机愈演愈烈,同时伴随着各国对环境污染问题日渐重视,以及各国政府和各大企业越来越注意到低碳经济的红利和发展前景,清洁能源的开发利用迫在眉睫。储能设备在清洁能源的开发利用过程中扮演着极其重要的角色,而锂离子电池是极其重要和常用的储能设备之一,这是因为其具有耐高低温、能量密度高、循环寿命长、自放电率低以及无记忆效应等诸多优势。然而单体锂电池电压无法满足绝大部分应用场合对电压水平的要求,锂
近年来,无线电能传输（Wireless Power Transfer,WPT）技术作为一种新型电能传输技术受到国内外的广泛关注。在WPT系统的应用中,单能量传输已难以满足人们的日常需求。为了得知系统的工作状况,如:系统工作状态的检测、负载端状态信息的上传、跟踪系统以实现最优工作效率以及异物检测等等,在能量传输的同时,不可避免的需要进行信息的交互,根据获得的数据信息对系统的工作状态进行调整。因此,能
移动机器人作为机器人技术中一个及其重要的研究领域和组成部分,在军事、经济、科研、服务等领域起到了不可估量的研究应用价值,因此相关课题一直以来都吸引着大量的科研学者积极探索。路径规划是移动机器人导航与控制的基础,是移动机器人的核心问题之一,它研究如何让移动机器人从起始位置无碰撞、安全地移动到目标位置。安全有效的机器人移动需要高效路径规划算法,规划路径的质量对机器人的实际应用效果影响巨大。一般来讲,路