- 详情
- 2020-12-27
- 简介
- 261KB
- 页数 7P
- 阅读 87
- 下载 20
变电站在电力系统中发挥着重要的作用,随着智能监控系统的快速发展,无人值守变电站已经成为一种普遍的变电站管理模式。针对监控视频中的人体行为进行识别和分析对于电力系统有着重要的研究意义和广阔的应用前景。采用长效递归卷积网络(Long-term Recurrent Convolutional Networks,LRCN)模型结合视频中的外观信息和动态信息实现对视频中的人体行为进行识别。通过实验验证了LRCN模型在标准数据集上表现了良好的鲁棒性和泛化能力;并针对变电站及电力施工相关场景下的监控视频进行了测试,验证了LRCN模型能够用于电力系统智能监控中进行行为的识别;最后将LRCN行为识别模型移植到嵌入式GPU模块上实现可移动的智能视频处理系统,使行为识别技术更好地应用到电力系统相关场景中。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于深度学习的行为识别及在电力系统的应用 261KB
基于深度学习的高效电力部件识别 2.4MB
基于深度学习的电力设备铭牌识别 1.6MB
深度学习算法在电力系统短期负荷预测中的应用 173KB
基于深度学习的电力系统暂态稳定评估方法 1.5MB
基于深度学习的电力绝缘子异常检测系统 1.2MB
基于深度学习的电力大数据融合与异常检测方法 640KB
基于输电断面识别的电力系统连锁故障风险评估模型 371KB
基于深度学习的变电站巡检机器人道路场景识别 408KB