Resumen

Con el desarrollo de la automatización portuaria, la mayoría de los campos operativos que utilizan equipos pesados se han ido quedando sin personal. Por lo tanto, es imperativo supervisar estos campos de manera eficaz y en tiempo real. En este artículo se propone un algoritmo rápido de detección humana basado en el procesamiento de imágenes. Para acelerar el proceso de detección, se utiliza el algoritmo optimizado de histogramas de gradientes orientados (HOG) que puede evitar el gran número de cálculos dobles del HOG original e ignorar características insignificantes para describir el contorno del cuerpo humano en tiempo real. A partir de las características HOG, y utilizando un conjunto de muestras de entrenamiento formado por imágenes de escenas de un puerto de carga, se entrena un clasificador de máquina de vectores de soporte (SVM) combinado con el clasificador AdaBoost para detectar humanos. Por último, los resultados de los experimentos de detección humana en el puerto de Tianjin muestran que la precisión del algoritmo optimizado propuesto es aproximadamente la misma que la de un algoritmo tradicional, mientras que el algoritmo propuesto sólo tarda 1/7 de tiempo. Se ha comprobado que la precisión y el tiempo de cálculo del algoritmo rápido de detección humana propuesto cumplen los requisitos de seguridad de las zonas portuarias no vigiladas.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:algoritmo, algoritmo de detección, experimentos de detección humana, campos más operativos, máquina de vectores soporte, conjunto de muestras de entrenamiento, zonas portuarias no tripuladas, precisión, clasificador adaboost, características hog
• Keywords:algorithm, detection algorithm, human detection experiments, most operational fields, support vector machine, training sample set, unmanned port areas, accuracy, adaboost classifier, hog features