Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Computer Vision-Based Tracking of Workers in Construction Sites Based on MDNet Pengesanan Berasaskan Penglihatan Komputer Pekerja di Tapak Pembinaan Berdasarkan MDNet

Wen LIU, Yixiao SHAO, Shihong ZHAI, Zhao YANG, Peishuai CHEN

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Penjejakan berterusan automatik bagi objek yang terlibat dalam projek pembinaan diperlukan untuk tugas seperti penilaian produktiviti, pengecaman tingkah laku tidak selamat dan pemantauan kemajuan. Banyak pendekatan pengesanan berasaskan penglihatan komputer telah disiasat dan berjaya diuji di tapak pembinaan; walau bagaimanapun, aplikasi praktikalnya dihalang oleh ketepatan penjejakan yang dihadkan oleh sifat dinamik dan kompleks tapak pembinaan (iaitu kekacauan dengan latar belakang, oklusi, skala dan pose yang berbeza-beza). Untuk mencapai prestasi penjejakan yang lebih baik, pendekatan penjejakan berasaskan pembelajaran mendalam baru yang dipanggil Rangkaian Neural Convolutional Multi-Domain (MD-CNN) dicadangkan dan disiasat. Pendekatan yang dicadangkan terdiri daripada dua peringkat utama: 1) perwakilan pelbagai domain pembelajaran; dan 2) penjejakan visual dalam talian. Untuk menilai keberkesanan dan kebolehlaksanaan pendekatan ini, pendekatan ini digunakan pada projek metro di Wuhan China, dan hasilnya menunjukkan prestasi penjejakan yang baik dalam senario pembinaan dengan latar belakang yang kompleks. Ralat jarak purata dan ukuran F untuk MDNet ialah 7.64 piksel dan 67, masing-masing. Keputusan menunjukkan bahawa pendekatan yang dicadangkan boleh digunakan oleh pengurus tapak untuk memantau dan mengesan pekerja untuk pencegahan bahaya di tapak pembinaan.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E106-D No.5 pp.653-661
Tarikh penerbitan
2023/05/01
Diumumkan
2022/10/20
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2022DLP0045
Jenis Manuskrip
Special Section PAPER (Special Section on Deep Learning Technologies: Architecture, Optimization, Techniques, and Applications)
kategori
Industri Pintar

Pengarang

Wen LIU
  CCCC Second Harbor Engineering Co., Ltd.
Yixiao SHAO
  Huazhong University of Science and Technology
Shihong ZHAI
  CCCC Second Harbor Engineering Co., Ltd.
Zhao YANG
  CCCC Second Harbor Engineering Co., Ltd.
Peishuai CHEN
  CCCC Second Harbor Engineering Co., Ltd.

Kata kunci

Contents [show]