-
题名基于深度学习的矿井视频流异常检测算法研究
- 1
-
-
作者
索智文
丁剑明
屈波
张兰峰
申茂良
-
机构
国能神东煤炭智能技术中心
陕西亿杰鑫信息技术有限公司
煤炭科学技术研究院有限公司
-
出处
《中国安全生产科学技术》
北大核心
2025年第3期133-140,共8页
-
文摘
为了探究矿井复杂环境中视频流检测精度问题,提出1种基于YOLOv4深度优化的复杂环境视频流异常检测算法,增设SE模块提升特征提取效率,改进SPP、PANet模块优化异常检测能力;提取矿井现场真实数据,对数据集中4500多张异常行为进行模型训练,采用深度优化的YOLOv4算法进行识别,标注出视频异常行为。研究结果表明:相较于传统的YOLOv4算法,深度优化后的模型平均精确率均值(MAP)为98.02%,MAP提升16.6百分点,每秒传输帧数(FPS)提高至28.56。研究结果可为优化矿井复杂环境下视频流检测精度提供思路和方法。
-
关键词
YOLOv4算法
视频监控
视频流异常检测
MAP
矿山智能化
-
Keywords
YOLOv4 algorithm
video surveillance
video stream anomaly detection
MAP
intelligent mining
-
分类号
X936
[环境科学与工程—安全科学]
-
