一种面向安全生产的周界入侵检测和人员属性分析方法

本发明涉及一种面向安全生产的周界入侵检测和人员属性的分析方法，包括以下步骤：采集真实工厂监控图像数据，进行整理和标注，与通用视觉数据集融合后进行数据增强和困难样本筛选，构造针对工业安全生产的训练集；使用基于PP‑LCNet的超轻量级图像分类算法进行人员检测；使用基于CSPNet构建不依赖锚点的人员目标检测网络，实现复杂工业场景下对各类入侵人员的准确检测；设计基于度量学习的特征提取与匹配算法，实现行人属性分析，并根据实际情况进行相应预警；利用Tensorrt技术对各模型进行量化压缩，进行模型部署与系统集成。与现有方法相比，本发明能够适应工厂的实际生产环境，有效提升了面向安全生产的周界入侵检测和行人属性分析系统的适应性和性能。