基于機器視覺的生產線關鍵崗位人員檢測.pdf

1、人體目標檢測是一項復雜且具有挑戰(zhàn)性的任務，隨著計算機視覺和機器學習技術的不斷發(fā)展，人體目標檢測得到了廣泛的研究。但是，當前研究人員還主要在理論上對人體目標檢測進行研究，由于實際場景的復雜性，人體目標檢測在實際環(huán)境中還未能大規(guī)模應用。本文針對某空調裝配生產線這一特定的應用環(huán)境，利用區(qū)域和卷積神經網絡相結合的方法來解決生產線關鍵崗位人員的檢測問題。
　　在人體目標區(qū)域提取階段，本文分別基于選擇搜索和基于RPN算法來提取人體目標區(qū)域。選

2、擇搜索主要通過圖像自身具有的顏色空間、形狀、紋理以及層次等特征來進行層次分組，并結合窮舉搜索和分割強度等因素，同時使用圖像結構來指導特征采樣過程。利用選擇搜索，圖像中的人體目標位置將被盡可能多的被捕捉?；赗PN的人體目標區(qū)域提取主要是利用卷積神經網絡實現，即利用人體目標樣本來訓練一個卷積神經網絡模型，這不需要考慮圖像的自身紋理等特征因素。為了產生可能的目標框區(qū)域，使用一個小網格在最后一層卷積層輸出的卷積特征圖上滑動，該網格利用卷積特征

3、圖上滑動，每一個滑動窗口被映射到維度更低的特征向量上，最終獲得的向量被送入兩個獨立的全連接層：一個是人體目標框回歸層，另一個是人體目標分類層，同時結合非極大值抑制算法，輸出一系列可能的人體目標區(qū)域。
　　根據生產線關鍵崗位這一特定的應用場景，本文采集和設計了專門的人體目標樣本集并將其用來訓練關鍵崗位人員檢測模型。在人體目標卷積神經網絡設計上，本文分別使用ZF和VGG-16兩種卷積神經網絡來訓練。在人體目標網絡訓練階段，利用預訓練的