检索结果-维普期刊中文期刊服务平台

基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别被引量：6: 1; 作者韩康李敬兆陶荣颖《工矿自动化》 CSCD 北大核心 2024年第3期82-91,共10页; 应用人工智能技术对矿井提升机司机等煤矿关键岗位人员的行为进行实时识别,防止发生设备误操作等危险情况,对保障煤矿安全生产具有重要意义。针对基于图像特征的人员行为识别方法存在的抗背景干扰能力差与实时性不足问题,提出了一种基... 展开更多; 关键词不安全行为识别目标检测姿态估计时空图卷积网络人员锁定 YOLOv7 ByteTrack; 在线阅读下载PDF 职称材料

基于卷积神经网络的驾驶员不安全行为识别被引量：18: 2; 作者田文洪曾柯铭 +1 位作者莫中勤吝博强《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第3期381-387,共7页; 提出了一种基于卷积神经网络的驾驶员违规行为识别方法。首先,利用特定卷积神经网络对驾驶员的实时图像提取特征,然后并行对多种行为分别进行二分类。建立了一个真实场景下的驾驶员违规数据集,在此数据集上的测试说明了该方法的高效和... 展开更多; 关键词卷积神经网络深度学习模式识别驾驶员不安全行为识别; 在线阅读下载PDF 职称材料

基于交叉注意力机制的煤矿井下不安全行为识别被引量：12: 3; 作者饶天荣潘涛徐会军《工矿自动化》北大核心 2022年第10期48-54,共7页; 对煤矿井下人员不安全行为进行实时视频监控及报警是提升安全生产水平的重要手段。煤矿井下环境复杂,监控视频质量不佳,导致常规基于图像特征或基于人体关键点特征的行为识别方法在煤矿井下应用受限。提出了一种基于交叉注意力机制的多... 展开更多; 关键词井下人员行为识别不安全行为识别图像特征人体关键点特征多特征融合自注意力机制图注意力机制交叉注意力机制; 在线阅读下载PDF 职称材料

BIM技术引入对建筑脚手架不安全行为识别的研究被引量：3: 4; 作者马昊源潘永刚《中国建设信息化》 2023年第14期80-84,共5页; BIM技术近年来在建筑工程中得到大力推行,但关于BIM技术的普及和使用还需要一段时间。就BIM技术引入建筑脚手架不安全行为识别中展开分析和研究,通过以建立建筑脚手架标准仿真BIM模型为基础,以建筑脚手架全生命周期中人的行为、物的使... 展开更多; 关键词 BIM技术脚手架工程虚拟仿真不安全行为识别; 在线阅读下载PDF 职称材料

基于深度学习的煤矿井下人员不安全行为检测与识别: 5; 作者郭孝园朱美强 +1 位作者田军朱贝贝《工矿自动化》北大核心 2025年第3期138-147,共10页; 针对井下目标发生多尺度变化、运动目标遮挡及目标与环境过于相似等问题,提出了一种基于深度学习的煤矿井下人员不安全行为检测与识别方法。采用自上而下的策略,构建了一种基于自注意力机制的目标检测模型YOLOv5s_swin:在基于自注意力... 展开更多; 关键词井下不安全行为识别目标检测深度学习自注意力机制 YOLOv5s 高分辨率特征提取网络时空图卷积网络; 在线阅读下载PDF 职称材料

基于大疆MK300RTK的露天煤矿无人机智能巡视系统研发: 6; 作者江杰谢国良 +1 位作者郭鸣翔侍红军《煤矿机械》 2025年第2期196-199,共4页; 基于大疆MK300RTK研发了露天煤矿无人机智能巡视系统。该系统通过集成红外及高清摄像头的无人机智能巡视、实时数据传输及识别,实现露天煤矿的工作人员不安全行为及时识别及安全设施规范检测功能,减少非必要人工环节,实现生产规范化、... 展开更多; 关键词露天煤矿无人机智能巡视不安全行为识别安全生产; 在线阅读下载PDF 职称材料

基于计算机视觉数据融合的工人围栏翻越行为检测: 7; 作者马文迪黄科锋徐峰《工程管理学报》 2023年第4期118-123,共6页; 不安全行为是导致施工现场人员伤亡和安全事故的主要原因,因为工人翻越围栏导致的高处坠落事故在现场时有发生。以管理人员现场巡查为主的不安全行为检测方法,难以对施工现场进行全时段全覆盖的实时监管,导致效率不高且效果不佳。对此,... 展开更多; 关键词工人围栏翻越行为不安全行为识别计算机视觉数据融合方法; 在线阅读下载PDF 职称材料

题名基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别被引量：6: 1; 作者韩康李敬兆陶荣颖; 机构安徽理工大学人工智能学院淮浙煤电有限责任公司顾北煤矿; 出处《工矿自动化》 CSCD 北大核心 2024年第3期82-91,共10页; 基金国家自然科学基金资助项目(52374154) 安徽理工大学研究生创新基金资助项目(2022CX1008)。; 文摘应用人工智能技术对矿井提升机司机等煤矿关键岗位人员的行为进行实时识别,防止发生设备误操作等危险情况,对保障煤矿安全生产具有重要意义。针对基于图像特征的人员行为识别方法存在的抗背景干扰能力差与实时性不足问题,提出了一种基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别方法。首先,基于MobileOne和C3对YOLOv7目标检测模型骨干与头部网络进行轻量化改进,提高模型推理速度;其次,融合ByteTrack跟踪算法,实现工作人员跟踪锁定,提高抗背景干扰能力;然后,采用MobileNetV2优化OpenPose的网络结构,提高对骨架特征的提取效率;最后,通过时空图卷积网络(ST−GCN)分析人体骨架关键点在时间序列上的空间结构和动态变化,实现对不安全行为的分析识别。实验结果表明:MobileOneC3−YOLO模型的精确率达93.7%,推理速度较YOLOv7模型提高了52%;融合ByteTrack的人员锁定模型锁定成功率达97.1%;改进OpenPose模型内存需求减少了170.3 MiB,在CPU与GPU上的推理速度分别提升了74.7%和54.9%;不安全行为识别模型对疲劳睡岗、离岗、侧身交谈和玩手机4种不安全行为的识别精确率达93.5%,推理速度达18.6帧/s。; 关键词不安全行为识别目标检测姿态估计时空图卷积网络人员锁定 YOLOv7 ByteTrack; Keywords unsafe behaviors recognition object detection attitude estimation spatial temporal graph convolutional networks personnel locking YOLOv7 ByteTrack; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于卷积神经网络的驾驶员不安全行为识别被引量：18: 2; 作者田文洪曾柯铭莫中勤吝博强; 机构电子科技大学信息与软件工程学院; 出处《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第3期381-387,共7页; 基金国家自然科学基金(61672136 61828202) 四川省科技支撑计划(2016GZ0322); 文摘提出了一种基于卷积神经网络的驾驶员违规行为识别方法。首先,利用特定卷积神经网络对驾驶员的实时图像提取特征,然后并行对多种行为分别进行二分类。建立了一个真实场景下的驾驶员违规数据集,在此数据集上的测试说明了该方法的高效和良好的泛化能力。实验结果表明,该方法在约10万张图像的数据集中对打电话、吸烟、不系安全带3种行为分别达到了99.85%、99.62%、98.68%的识别率,同时使用当前较先进的Inception-v3和Xception模型测试,也获得了类似的识别效果。; 关键词卷积神经网络深度学习模式识别驾驶员不安全行为识别; Keywords convolutional neural network (CNN) deep learning pattern recognition recognition of unsafe driving behaviors; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于交叉注意力机制的煤矿井下不安全行为识别被引量：12: 3; 作者饶天荣潘涛徐会军; 机构国能信息技术有限公司; 出处《工矿自动化》北大核心 2022年第10期48-54,共7页; 基金国家能源集团科技创新项目(GJNY-20-159)。; 文摘对煤矿井下人员不安全行为进行实时视频监控及报警是提升安全生产水平的重要手段。煤矿井下环境复杂,监控视频质量不佳,导致常规基于图像特征或基于人体关键点特征的行为识别方法在煤矿井下应用受限。提出了一种基于交叉注意力机制的多特征融合行为识别模型,用于识别煤矿井下人员不安全行为。针对分段视频图像,采用3D ResNet101模型提取图像特征,采用openpose算法和ST-GCN(时空图卷积网络)提取人体关键点特征;采用交叉注意力机制对图像特征和人体关键点特征进行融合处理,并与经自注意力机制处理后的图像特征和人体关键点特征拼接,得到最终行为识别特征;识别特征经全连接层及归一化指数函数softmax处理后,得到行为识别结果。基于公共数据集HMDB51和UCF101、自建的煤矿井下视频数据集进行行为识别实验,结果表明:采用交叉注意力机制可使行为识别模型更有效地融合图像特征和人体关键点特征,大幅提高识别准确率;与目前应用最广泛的行为识别模型SlowFast相比,基于交叉注意力机制的多特征融合行为识别模型在HMDB51和UCF101数据集上的识别准确率分别提高1.8%,0.9%,在自建数据集上的识别准确率提高6.7%,验证了基于交叉注意力机制的多特征融合行为识别模型更适用于煤矿井下复杂环境中人员不安全行为识别。; 关键词井下人员行为识别不安全行为识别图像特征人体关键点特征多特征融合自注意力机制图注意力机制交叉注意力机制; Keywords action recognition of underground personnel recognition of unsafe action image feature human body key point feature multi-feature fusion self-attention mechanism graph attention mechanism crossattention mechanism; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名BIM技术引入对建筑脚手架不安全行为识别的研究被引量：3: 4; 作者马昊源潘永刚; 机构新疆大学; 出处《中国建设信息化》 2023年第14期80-84,共5页; 文摘 BIM技术近年来在建筑工程中得到大力推行,但关于BIM技术的普及和使用还需要一段时间。就BIM技术引入建筑脚手架不安全行为识别中展开分析和研究,通过以建立建筑脚手架标准仿真BIM模型为基础,以建筑脚手架全生命周期中人的行为、物的使用情况和环境的安全氛围作为识别对象,实时收集识别对象状态数据,构成实时数据模型,将标准模型与实时模型进行比对分析后识别出危险源,并与预设的不同危险等级标准进行比对,最终达到识别预警的作用。具体阐述识别架构的组成和识别功能的作用,从而对建筑脚手架不安全行为进行识别预警。; 关键词 BIM技术脚手架工程虚拟仿真不安全行为识别; Keywords BIM Technology Scaffolding Engineering Virtual Simulation Unsafe Behavior Identification; 分类号 TU714 [建筑科学—建筑技术科学]; 在线阅读下载PDF 职称材料

题名基于深度学习的煤矿井下人员不安全行为检测与识别: 5; 作者郭孝园朱美强田军朱贝贝; 机构中煤科工集团常州研究院有限公司天地(常州)自动化股份有限公司中国矿业大学信息与控制工程学院; 出处《工矿自动化》北大核心 2025年第3期138-147,共10页; 基金国家自然科学基金项目(62373360)。; 文摘针对井下目标发生多尺度变化、运动目标遮挡及目标与环境过于相似等问题,提出了一种基于深度学习的煤矿井下人员不安全行为检测与识别方法。采用自上而下的策略,构建了一种基于自注意力机制的目标检测模型YOLOv5s_swin:在基于自注意力机制的模型Transformer基础上引入滑动窗口操作,得到Swin-Transformer,再利用Swin-Transformer对传统YOLOv5s模型进行改进,得到YOLOv5s_swin。针对井下人员与监控探头间距不定导致的人体检测框多尺度变化问题,在检测出人员目标的基础上,使用高分辨率特征提取网络对人体的关节点进行提取,再通过时空图卷积网络(ST-GCN)进行行为识别。实验结果表明:YOLOv5s_swin的精确度达98.9%,在YOLOv5s的基础上提升了1.5%,推理速度达102帧/s,满足实时性检测要求;高分辨率特征提取网络能够准确提取不同尺度的目标人体关节点,特征通道数更多的HRNet_w48网络性能优于HRNet_w32;在复杂工矿条件下,ST-GCN模型的准确率和召回率都较高,可准确地对矿工行为进行分类,推理速度达31帧/s,满足井下监测需求。; 关键词井下不安全行为识别目标检测深度学习自注意力机制 YOLOv5s 高分辨率特征提取网络时空图卷积网络; Keywords underground unsafe behaviour recognition object detection deep learning self-attention mechanism YOLOv5s high-resolution feature extraction network spatiotemporal graph convolutional network; 分类号 TD67 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于大疆MK300RTK的露天煤矿无人机智能巡视系统研发: 6; 作者江杰谢国良郭鸣翔侍红军; 机构中联润世新疆煤业有限公司中国矿业大学数学学院江苏省应用数学(中国矿业大学)中心; 出处《煤矿机械》 2025年第2期196-199,共4页; 文摘基于大疆MK300RTK研发了露天煤矿无人机智能巡视系统。该系统通过集成红外及高清摄像头的无人机智能巡视、实时数据传输及识别,实现露天煤矿的工作人员不安全行为及时识别及安全设施规范检测功能,减少非必要人工环节,实现生产规范化、流程可视化、系统智能化,进一步保障煤矿安全生产,提高企业经济效益。; 关键词露天煤矿无人机智能巡视不安全行为识别安全生产; Keywords open-pit coal mine unmanned aerial vehicle intelligent patrol identification of unsafe behavior safety production; 分类号 TP274.5 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于计算机视觉数据融合的工人围栏翻越行为检测: 7; 作者马文迪黄科锋徐峰; 机构上海交通大学船舶海洋与建筑工程学院上海市公共建筑和基础设施数字化运维重点实验室上海建科工程咨询有限公司; 出处《工程管理学报》 2023年第4期118-123,共6页; 基金上海市科委科技创新行动计划(20dz1201301) 上海市住建委科研项目计划(沪建科2021-002-049) 中国工程院战略研究与咨询项目(2023-XY-42)。; 文摘不安全行为是导致施工现场人员伤亡和安全事故的主要原因,因为工人翻越围栏导致的高处坠落事故在现场时有发生。以管理人员现场巡查为主的不安全行为检测方法,难以对施工现场进行全时段全覆盖的实时监管,导致效率不高且效果不佳。对此,应用两种计算机视觉技术的数据融合,建立了工人围栏翻越不安全行为的智能检测模型,并开展了围栏翻越不安全行为的模拟实验。实验结果表明,该智能检测模型的识别准确率高于单一方法,证实了其有效性。该模型能够提高施工现场不安全行为的检查效率,从而提高施工现场安全管理水平,并可推广至施工现场多种工人不安全行为的检测。; 关键词工人围栏翻越行为不安全行为识别计算机视觉数据融合方法; Keywords worker guardrail overturning behavior unsafe behavior detection computer vision data fusion method; 分类号 TU714 [建筑科学—建筑技术科学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于改进YOLOv7和ByteTrack的煤矿关键岗位人员不安全行为识别	韩康李敬兆陶荣颖	《工矿自动化》 CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
2	基于卷积神经网络的驾驶员不安全行为识别	田文洪曾柯铭莫中勤吝博强	《电子科技大学学报》 EI CAS CSCD 北大核心	2019	18	在线阅读下载PDF 职称材料
3	基于交叉注意力机制的煤矿井下不安全行为识别	饶天荣潘涛徐会军	《工矿自动化》北大核心	2022	12	在线阅读下载PDF 职称材料
4	BIM技术引入对建筑脚手架不安全行为识别的研究	马昊源潘永刚	《中国建设信息化》	2023	3	在线阅读下载PDF 职称材料
5	基于深度学习的煤矿井下人员不安全行为检测与识别	郭孝园朱美强田军朱贝贝	《工矿自动化》北大核心	2025	0	在线阅读下载PDF 职称材料
6	基于大疆MK300RTK的露天煤矿无人机智能巡视系统研发	江杰谢国良郭鸣翔侍红军	《煤矿机械》	2025	0	在线阅读下载PDF 职称材料
7	基于计算机视觉数据融合的工人围栏翻越行为检测	马文迪黄科锋徐峰	《工程管理学报》	2023	0	在线阅读下载PDF 职称材料