融合深度学习技术的多模态安全管理应用

摘要

针对传统安全管理主要依赖人工监控与事后处理、效率低下且难以及时发现异常行为的问题，设计了一套多模态智能安全管理系统。该系统主体由基于华为Atlas 200I DK A2开发套件运行的视觉识别算法、基于单片机的语音报警装置及配套软件构成。通过视觉处理算法与音频关键词检测实现行为智能识别，当发生危险情况时，可经软件自动将信息及时反馈给管理人员，有效保障现场人身安全。针对视觉算法部分，通过优化YOLOv5(You Only Look Once version 5)网络结构，引入CA(Coordinate Attention)注意力机制以增强对小目标与复杂场景的检测能力，并修改损失函数，添加对EIoU(Efficient IoU)损失函数的支持，使模型更好地适应场景变化，从而实现对打架与摔倒行为的高效识别。实验结果表明，本方法在多种场景下的平均精度均值(mAP@0.5)均有明显提升，检测速度满足实时性要求，可为公共场所的安全管理提供智能化解决方案。

关键词

目标检测 / YOLOv5模型 / 计算机视觉 / 深度学习 / 安全管理