来源：期刊VIP网 时间：
作者：杨永亮;曹敏;徐凌桦;王霄;杨靖;王涛;冯平平;
单位：贵州大学电气工程学院;
摘要：针对目前实验室场景缺少对人员行为检测的方法，且主流算法精度低、误检率高的问题，文中提出一种改进YOLOv7-tiny的人员行为检测算法，并通过多源信息融合，提高人员行为在实际实验室场景中的识别准确率。首先，在检测算法主干网络引入GhostNetV2轻量化网络，进一步降低模型计算量和复杂度；其次，在颈部网络嵌入改进后的CBAM＿E注意力模块，加强目标重要特征的提取；再次，在预测端使用SIoU替换原有的损失函数，减少角度因素和边界框回归精度的影响。检测结果表明，相较于YOLOv7-tiny，文中算法精度提升10.08%，模型参数量和复杂度分别下降36.45%和46.76%。最后通过将检测数据与传感器采集数据运用D-S证据理论进行信息融合后发现，人员不规范行为检测的误检率得到有效降低。结果表明，该方法可实现对实验室人员不规范行为的有效检测。
关键词：实验室场景;;人员行为;;YOLOv7-tiny;;轻量化网络;;注意力模块;;损失函数;;D-S证据理论;;信息融合
基金资助：国家自然科学基金资助项目（61861007）;; 贵州省教育厅创新群体项目（黔教合KY字[2021]012）;; 贵州省科技计划项目（黔科合支撑[2023]一般411）;贵州省科技计划项目（黔科合支撑[2023]一般412）
