Модификация архитектуры RTMPose с механизмом внимания CBAM для распознавания позы операторов промышленных площадок при окклюзиях средствами индивидуальной защиты

С А Филичкин; С В Вологдин

doi:10.22213/2410-9304-2026-3-83-88

Авторы

С. А. Филичкин ИжГТУ имени М. Т. Калашникова
С. В. Вологдин ИжГТУ имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2410-9304-2026-3-83-88

Ключевые слова:

поза, RTMPose, CBAM, внимание, окклюзии, Сиз, безопасность, видеомониторинг

Аннотация

Промышленный видеомониторинг должен устойчиво распознавать позу работника даже тогда, когда часть ключевых точек скелета перекрыта средствами индивидуальной защиты (СИЗ): каской, жилетом, перчатками; на таких кадрах базовые сети оценки позы заметно теряют точность, что снижает достоверность автоматического выявления опасных ситуаций. Актуальность задачи определяется высоким уровнем производственного травматизма и необходимостью раннего обнаружения нарушений требований безопасности. В работе предлагается модификация архитектуры RTMPose, названная OA-RTMPose (occlusion-aware): опорная сеть PoseSimCC дополнена модулем канально-пространственного внимания CBAM, функция потерь расширена прогнозом признака видимости каждой ключевой точки, а для обучения применяется синтетическая аугментация окклюзий, имитирующая типовые элементы СИЗ. Совместное действие канально-пространственного внимания, штрафа за невидимые ключевые точки и целевой аугментации позволяет сети концентрироваться на видимых участках скелета и не «достраивать» скрытые точки в произвольных местах. Экспериментальной базой послужила подвыборка набора COCO 2017, дополнительный набор промышленных кадров и набор Le2i Fall Detection Dataset. Достигнуто существенное повышение устойчивости оценки позы к окклюзиям: на подмножестве окклюдированных экземпляров средняя точность AP75 выросла на 72,7 % относительно базовой модели, а аналитическая проекция на типичные промышленные окклюзии дает ожидаемое преимущество около +17,1 %; при этом модель сохраняет обработку видеопотока в реальном времени. Полученные результаты свидетельствуют о целесообразности применения предложенной модификации в интеллектуальных системах контроля производственной безопасности, где устойчивое к перекрытиям распознавание позы работника повышает достоверность раннего выявления опасных ситуаций и снижает долю ложных срабатываний.

Биографии авторов

С. А. Филичкин, ИжГТУ имени М. Т. Калашникова

аспирант

С. В. Вологдин, ИжГТУ имени М. Т. Калашникова

доктор технических наук, доцент

Библиографические ссылки

Loktev D. A., Illarionova L. A., Loktev A. A. Automation of the behavioral safety audit of a transport operator based on the recognition of his emotional state in real time // 2023 5th International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE). 2023. P. 1-5. DOI: 10.1109/REEPE57272.2023.10086820.

López L., Suárez-Ramírez J., Alemán-Flores M., Monzón N. Automated PPE compliance monitoring in industrial environments using deep learning-based detection and pose estimation // Automation in Construction. 2025. Vol. 176. Art. 106231. DOI: 10.1016/j.autcon.2025.106231.

Sun K., Xiao B., Liu D., Wang J. Deep high-resolution representation learning for human pose estimation // Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2019. P. 5686-5696. DOI: 10.1109/CVPR.2019.00584.

Ковалев В. В., Сергеев Н. Е. Реализация сверточных нейронных сетей на встраиваемых устройствах с ограниченным вычислительным ресурсом // Известия Южного федерального университета. Технические науки. 2021. № 6. С. 64-72. DOI: 10.18522/2311-3103-2021-6-64-72.

Sandler M., Howard A., Zhu M., Zhmoginov A., Chen L.-C. MobileNetV2: inverted residuals and linear bottlenecks // Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2018. P. 4510-4520. DOI: 10.1109/CVPR.2018.00474.

Jiang T., Lu P., Zhang L., Ma N., Han R., Lyu C., Li Y., Chen K. RTMPose: real-time multi-person pose estimation based on MMPose. 2023. URL: https://arxiv.org/abs/2303.07399 (дата обращения: 18.05.2026). DOI: 10.48550/arXiv.2303.07399.

Li Y., Yang S., Liu P., Zhang S., Wang Y., Wang Z., Yang W., Xia S.-T. SimCC: a simple coordinate classification perspective for human pose estimation // Proc. European Conference on Computer Vision (ECCV). 2022. P. 89-106. DOI: 10.1007/978-3-031-20068-7_6.

Метод трёхмерного захвата движения человека на основе компьютерного зрения / А. Д. Обухов, Д. Л. Дедов, Е. О. Суркова, И. Л. Коробова // Advanced Engineering Research (Rostov-on-Don). 2023. Т. 23, № 3. С. 317-328. DOI: 10.23947/2687-1653-2023-23-3-317-328.

Lin T.-Y., Maire M., Belongie S., Hays J., Perona P., Ramanan D., Dollár P., Zitnick C. L. Microsoft COCO: common objects in context // Proc. European Conference on Computer Vision (ECCV). 2014. P. 740-755. DOI: 10.1007/978-3-319-10602-1_48.

Andriluka M., Pishchulin L., Gehler P., Schiele B. 2D human pose estimation: new benchmark and state-of-the-art analysis // Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2014. P. 3686-3693. DOI: 10.1109/CVPR.2014.471.

Sárándi I., Linder T., Arras K. O., Leibe B. MeTRAbs: metric-scale truncation-robust heatmaps for absolute 3D human pose estimation // IEEE Transactions on Biometrics, Behavior, and Identity Science. 2021. Vol. 3, No. 1. P. 16-30. DOI: 10.1109/TBIOM.2020.3037257.

Cheng Y., Yang B., Wang B., Yan W., Tan R. T. Occlusion-aware networks for 3D human pose estimation in video // Proc. IEEE/CVF International Conference on Computer Vision (ICCV). 2019. P. 723-732. DOI: 10.1109/ICCV.2019.00081.

Liu W., Bao Q., Sun Y., Mei T. Recent advances of monocular 2D and 3D human pose estimation: a deep learning perspective // ACM Computing Surveys. 2022. Vol. 55, No. 4. Art. 80. DOI: 10.1145/3524497.

Hu J., Shen L., Sun G. Squeeze-and-Excitation Networks // Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2018. P. 7132-7141. DOI: 10.1109/CVPR.2018.00745.

Woo S., Park J., Lee J.-Y., Kweon I. S. CBAM: Convolutional Block Attention Module // Proc. European Conference on Computer Vision (ECCV). 2018. P. 3-19. DOI: 10.1007/978-3-030-01234-2_1.

Wang Q., Wu B., Zhu P., Li P., Zuo W., Hu Q. ECA-Net: efficient channel attention for deep convolutional neural networks // Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2020. P. 11531-11539. DOI: 10.1109/CVPR42600.2020.01155.

Hou Q., Zhou D., Feng J. Coordinate attention for efficient mobile network design // Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2021. P. 13708-13717. DOI: 10.1109/CVPR46437.2021.01350.

Sun X., Xiao B., Wei F., Liang S., Wei Y.Integral human pose regression // Proc. European Conference on Computer Vision (ECCV). 2018. P. 536-553. DOI: 10.1007/978-3-030-01231-1_33.

Charfi I., Miteran J., Dubois J., Atri M., Tourki R. Definition and performance evaluation of a robust SVM-based fall detection solution // Proc. 8th International Conference on Signal Image Technology and Internet Based Systems (SITIS). 2012. P. 218-224. DOI: 10.1109/SITIS.2012.155.

Филичкин С. А., Вологдин С. В. Разработка системного подхода, новых методов и алгоритмов для распознавания различных поведенческих функций человека // Вестник Воронежского института ФСИН России. 2026. № 1. С. 149-158.