摘要
本发明公开了一种基于实时监控的建筑施工人员安全帽监测方法,包括:采集图像数据,将图像数据中佩戴安全帽的施工人员的图像和未佩戴安全帽的施工人员的图像进行标注;通过生成对抗网络模型对图像数据进行扩充,利用递归增强学习强化扩充生成的图像数据;将强化扩充后的图像数据输入三层全连接的神经网络模型中进行特征提取模型训练;将特征提取后的图像数据输入自编码神经网络模型中进行特征降维模型训练;将降维后的图像数据输入分类器模型中采用机械学习机分类算法进行模型训练;将新采集的图像数据输入已训练完成的分类器模型中以输出识别结果。本发明解决了现有的施工现场安全帽佩戴监测方法存在数据量不足、模型泛化能力弱的问题。
技术关键词
生成对抗网络模型
机械学习机
分类器模型
神经网络模型
佩戴安全帽
监测方法
图像
特征提取模型
数据
网络更新过程
多层网络结构
更新网络参数
重构策略
编码
梯度下降法
感应器
系统为您推荐了相关专利信息
样本
生成式对抗网络
网络结构
故障诊断模型
生成对抗网络模型
三维表面模型
无人机摄像装置
航拍
深度卷积神经网络模型
图像
磅秤
板材
计算机程序产品
神经网络模型
计算机程序指令
深度卷积神经网络模型
风格
场景类别
表达式
计算机程序指令
变形监测数据
异常检测方法
LSTM神经网络模型
编码器
隧道围岩变形