首页> 中文期刊> 《中国安全生产科学技术》 >基于改进MobileNet-YOLOv3级联模型的内涝及受灾个体监测研究

基于改进MobileNet-YOLOv3级联模型的内涝及受灾个体监测研究

         

摘要

为解决现有城市内涝监测技术机动性低、设备自身缺陷、光照不均以及其他噪声因素引起的识别精度低的问题,建立改进的MobileNet-YOLOv3级联模型。首先,利用圆形LBP算法改进MobileNet模型实现监控视频内涝自动识别;改进的MobileNet模型引进圆形LBP算子提取特征,将MobiletNet卷积提取的特征与圆形LBP算子提取的特征融合,融合后的特征经过MobileNet主体网络学习训练得到最终的特征后采用全连接层分类输出监测结果;其次,通过改进YOLOv3算法实现对内涝点车辆、行人等受灾个体视频的智能识别,改进的YOLOv3算法将模型输入改为MobileNet模型提取出的特征,并且引入CIOU损失函数;最后,将两改进算法级联实现完整的内涝及受灾个体监测功能。研究结果表明:改进模型整体识别准确率达到90%以上,实现对多个特征的融合应用,使各特征之间联系更加密切,能较为准确地对城市道路或隧道等场景进行积水监测及受灾个体识别。研究结果可为内涝灾害预防提供技术支持。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号