基于深度学习和K-means算法的天然气站场人员聚集检测方法  

作　　者：易欣 何国军 刘翔 陈利平 

机构地区：[1]国家管网集团浙江省天然气管网有限公司

出　　处：《数字技术与应用》2024年第8期84-86,共3页Digital Technology & Application

摘　　要：天然气站场作为重要的能源基础设施,每天都会有大量的人员进出,其中人员聚集的场景最为常见。为了保障安全和监督管理的要求,需要对天然气站场中的人员聚集情况进行及时检测和预警。基于此,本文提出了一种基于深度学习和K-means算法的人员聚集检测方法,旨在实现对天然气站场中人员聚集情况实现自动化检测和预警。第一,采集天然气站场的监控视频数据,并对其进行数据处理和预处理;第二,利用深度学习目标检测模型YOLOv5对视频数据进行分析,识别出人员目标框。为进一步优化检测结果,本文采用K-means算法对目标框位置信息进行聚类,识别超过设定阈值的人员聚集的目标场景。实验结果表明,本文提出的人员聚集检测方法在天然气站场中可以有效地检测和预警人员聚集情况,为天然气站场的安全监督和管理提供了一种有效的技术手段。

关 键 词：自动化检测 深度学习 优化检测 能源基础设施 数据处理 视频数据 天然气站场 设定阈值 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TE88[自动化与计算机技术—控制科学与工程]