期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CoordEF−YOLOv9t的煤矿井下人员行为识别
1
作者
潘红光
卫泽尘
+3 位作者
雷心宇
姚超修
蒋泽
张立斌
《工矿自动化》
北大核心
2025年第8期59-66,共8页
基于深度学习的人员行为识别方法在煤矿井下应用存在对多类别行为识别缺乏系统性分类架构、光线昏暗和低清晰度图像导致细节丢失、矿工姿态和视角差异引发特征形变等问题。提出一种煤矿井下人员行为识别模型CoordEF−YOLOv9t。该模型分...
基于深度学习的人员行为识别方法在煤矿井下应用存在对多类别行为识别缺乏系统性分类架构、光线昏暗和低清晰度图像导致细节丢失、矿工姿态和视角差异引发特征形变等问题。提出一种煤矿井下人员行为识别模型CoordEF−YOLOv9t。该模型分别从边缘细节与空间位置特征提取2个方面对YOLOv9t进行改进:YOLOv9t中RepNCSPELAN4模块的卷积操作在捕捉细微或模糊边缘时易导致细节模糊,针对该问题,设计了融合Sobel算子的边缘特征提取模块(EFEM),在RepNCSPELAN4模块中嵌入EFEM,增强主干网络与颈部网络对人体边缘细节的感知能力。传统卷积神经网络难以感知位置信息并充分学习人员位置与动作的空间特征,针对该问题,在颈部网络末端引入坐标卷积,提升模型对人员行为位置信息的感知能力。实验结果表明,CoordEF−YOLOv9t精确率P为73.4%,召回率R为73.7%,mAP@0.5为74.8%,mAP@0.5:0.95为61.1%,相较于YOLOv9t分别提升1.2%,3.2%,1.0%,2.1%;与RT−DETR,YOLOv11,YOLOv12等主流模型相比,CoordEF−YOLOv9t综合性能更优,能更精准地识别煤矿井下人员行为。
展开更多
关键词
井下人员行为识别
YOLOv9t
边缘特征提取
空间位置特征提取
SOBEL算子
坐标卷积
在线阅读
下载PDF
职称材料
基于DA-GCN的煤矿人员行为识别方法
被引量：
12
2
作者
黄瀚
程小舟
+2 位作者
云霄
周玉
孙彦景
《工矿自动化》
北大核心
2021年第4期62-66,共5页
针对煤矿生产区域的监控视频较为模糊且人员行为类型复杂,常规行为识别方法的准确率较低的问题,提出了一种基于动态注意力与多层感知图卷积网络(DA-GCN)的煤矿人员行为识别方法。采用Openpose算法提取输入视频的人体关键点,得到3个维度...
针对煤矿生产区域的监控视频较为模糊且人员行为类型复杂,常规行为识别方法的准确率较低的问题,提出了一种基于动态注意力与多层感知图卷积网络(DA-GCN)的煤矿人员行为识别方法。采用Openpose算法提取输入视频的人体关键点,得到3个维度、18个坐标的人体关键点信息,降低模糊背景信息的干扰;通过动态多层感知图卷积网络(D-GCN)提取人体关键点的空间特征,通过时间卷积网络(TCN)提取人体关键点的时间特征,提高网络对不同动作的泛化能力;使用动态注意力机制,增强网络对于动作关键帧、关键骨架的注意力程度,进一步缓解视频质量不佳带来的影响;使用Softmax分类器进行动作分类。通过场景分析,将井下行为分为站立、行走、坐、跨越和操作设备5种类型,构建适用于煤矿场景的Cumt-Action数据集。实验结果表明,DA-GCN在Cumt-Action数据集的最高准确率达到99.3%,最高召回率达到98.6%;与其他算法相比,DA-GCN在Cumt-Action数据集和公共数据集NTU-RGBD上均具有较高的识别准确率,证明了DA-GCN优秀的行为识别能力。
展开更多
关键词
煤矿视频监控
关键点提取
井下人员行为识别
动态多层感知图卷积
动态注意力机制
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：
14
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...
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。
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
题名
基于CoordEF−YOLOv9t的煤矿井下人员行为识别
1
作者
潘红光
卫泽尘
雷心宇
姚超修
蒋泽
张立斌
机构
西安科技大学电气与控制工程学院
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
出处
《工矿自动化》
北大核心
2025年第8期59-66,共8页
基金
国家自然科学基金联合基金(区域创新发展联合基金)重点支持项目(U24A2092)
陕西省教育厅科学研究计划服务地方专项——产业化培育项目(23JC049)
天地(常州)自动化股份有限公司科研项目(2024GY0002)。
文摘
基于深度学习的人员行为识别方法在煤矿井下应用存在对多类别行为识别缺乏系统性分类架构、光线昏暗和低清晰度图像导致细节丢失、矿工姿态和视角差异引发特征形变等问题。提出一种煤矿井下人员行为识别模型CoordEF−YOLOv9t。该模型分别从边缘细节与空间位置特征提取2个方面对YOLOv9t进行改进:YOLOv9t中RepNCSPELAN4模块的卷积操作在捕捉细微或模糊边缘时易导致细节模糊,针对该问题,设计了融合Sobel算子的边缘特征提取模块(EFEM),在RepNCSPELAN4模块中嵌入EFEM,增强主干网络与颈部网络对人体边缘细节的感知能力。传统卷积神经网络难以感知位置信息并充分学习人员位置与动作的空间特征,针对该问题,在颈部网络末端引入坐标卷积,提升模型对人员行为位置信息的感知能力。实验结果表明,CoordEF−YOLOv9t精确率P为73.4%,召回率R为73.7%,mAP@0.5为74.8%,mAP@0.5:0.95为61.1%,相较于YOLOv9t分别提升1.2%,3.2%,1.0%,2.1%;与RT−DETR,YOLOv11,YOLOv12等主流模型相比,CoordEF−YOLOv9t综合性能更优,能更精准地识别煤矿井下人员行为。
关键词
井下人员行为识别
YOLOv9t
边缘特征提取
空间位置特征提取
SOBEL算子
坐标卷积
Keywords
underground personnel behavior recognition
YOLOv9t
edge feature extraction
spatial position feature extraction
Sobel operator
coordinate convolution
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DA-GCN的煤矿人员行为识别方法
被引量：
12
2
作者
黄瀚
程小舟
云霄
周玉
孙彦景
机构
中国矿业大学信息与控制工程学院
中钢集团马鞍山矿山研究院股份有限公司选矿及自动化研究所
中国矿业大学徐州市智能安全与应急协同工程研究中心
出处
《工矿自动化》
北大核心
2021年第4期62-66,共5页
基金
江苏省自然科学基金青年项目(BK20180640)
国家自然科学基金项目(61902404,51734009,51504255,51734009,61771417,62001475)
+1 种基金
国家重点研发计划项目(2016YFC0801403)
江苏省重点研发计划项目(BE2015040)。
文摘
针对煤矿生产区域的监控视频较为模糊且人员行为类型复杂,常规行为识别方法的准确率较低的问题,提出了一种基于动态注意力与多层感知图卷积网络(DA-GCN)的煤矿人员行为识别方法。采用Openpose算法提取输入视频的人体关键点,得到3个维度、18个坐标的人体关键点信息,降低模糊背景信息的干扰;通过动态多层感知图卷积网络(D-GCN)提取人体关键点的空间特征,通过时间卷积网络(TCN)提取人体关键点的时间特征,提高网络对不同动作的泛化能力;使用动态注意力机制,增强网络对于动作关键帧、关键骨架的注意力程度,进一步缓解视频质量不佳带来的影响;使用Softmax分类器进行动作分类。通过场景分析,将井下行为分为站立、行走、坐、跨越和操作设备5种类型,构建适用于煤矿场景的Cumt-Action数据集。实验结果表明,DA-GCN在Cumt-Action数据集的最高准确率达到99.3%,最高召回率达到98.6%;与其他算法相比,DA-GCN在Cumt-Action数据集和公共数据集NTU-RGBD上均具有较高的识别准确率,证明了DA-GCN优秀的行为识别能力。
关键词
煤矿视频监控
关键点提取
井下人员行为识别
动态多层感知图卷积
动态注意力机制
Keywords
coal mine video monitoring
key point extraction
underground personnel action recognition
dynamic multi-layer perception graph convolution
dynamic attention 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
基于交叉注意力机制的煤矿井下不安全行为识别
被引量：
14
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
作者
出处
发文年
被引量
操作
1
基于CoordEF−YOLOv9t的煤矿井下人员行为识别
潘红光
卫泽尘
雷心宇
姚超修
蒋泽
张立斌
《工矿自动化》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于DA-GCN的煤矿人员行为识别方法
黄瀚
程小舟
云霄
周玉
孙彦景
《工矿自动化》
北大核心
2021
12
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
14
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
