基于YOLOv5网络的气田无人值守场站多路入侵目标检测OA
Multi-Channel Intrusion Detection Method Based on YOLOv5 Network for Unattended Gas Field Station
为了优化气田无人值守场站监控效果,改善低分辨率画面检测精度低、识别困难及深度学习模型在多摄像头下资源消耗严重的问题,提出一种基于YOLOv5网络的多路入侵目标检测方法.应用YOLOv5网络及Deep SORT算法分别提取目标外观及其运动特征,通过拼接画面的方式实现对显存资源的合理利用.实验结果表明,进行迁移学习后模型的mAP值可达95％,检测精度较高,模型鲁棒性良好.
左应祥;倪建辉;杨圆鉴;韩光谱;彭聪
中国石油西南油气田分公司 重庆气矿,重庆 400021中国石油西南油气田分公司 重庆气矿,重庆 400021重庆科技学院 安全工程学院(应急管理学院) ,重庆 401331中国石油西南油气田分公司 重庆气矿,重庆 400021中国石油西南油气田分公司 重庆气矿,重庆 400021
信息技术与安全科学
YOLOv5网络入侵检测卷积神经网络多路并发检测
《重庆科技学院学报（自然科学版）》 2021 (6)
45-49,5
国家科技重大专项"涪陵页岩气田信息化控制系统研发升级应用"(2016ZX05060-027)中石油企业委托项目"天然气生产场所不安全行为视频智能识别预警技术应用研究"(K20-16)
评论