文献类型：期刊文章

作　　者：刘颖[1] 胡楠[1] 杨壮观[1] 同东辉[1] 胡畔[1]

LIU Ying;HU Nan;YANG Zhuang-guan;TONG Dong-hui;HU Pan(Information and Communication Branch,State Grid Liaoning Electric Power Co.Ltd.,Shenyang 110006,China)

机构地区：[1]国网辽宁省电力有限公司信息通信分公司

出　　处：《沈阳工业大学学报》

基　　金：国家自然科学基金资助项目(51307051)

年　　份：2019

卷　　号：41

期　　号：5

起止页码：544-548

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对电网监控视频场景多样,电网工作人员姿态变化严重影响工作人员识别精度的问题,提出了一种基于深度学习的电网监控视频中工作人员检测与识别算法.该算法使用ResNet50网络提取行人特征,Faster-Rcnn检测方法快速、精确地检测出电网中的工作人员,识别网络对检测出的工作人员进行身份确认,并使用各种组合损失来训练检测与识别网络.在电网监控视频数据集上的测试结果表明,所提出的方法具有更高的检测和识别精度,且对遮挡及低光照图片具有较好的鲁棒性.

关 键 词：监控视频 工作人员  行人识别  行人检测 深度学习  ResNet50网络  损失函数 Faster-Rcnn检测方法  

分 类 号：TM[电气类]