-
题名基于时空-动作自适应融合网络的油田作业行为识别
- 1
-
-
作者
田枫
卫宁彬
刘芳
韩玉祥
赵玲
张思睿
马贵宝
-
机构
东北石油大学计算机与信息技术学院
-
出处
《智能系统学报》
CSCD
北大核心
2024年第6期1407-1418,共12页
-
基金
黑龙江省自然科学基金项目(LH2021F004).
-
文摘
为解决油田作业现场复杂环境对行为识别算法造成干扰而引起的误检、漏检问题,提出一种时空-动作自适应融合网络,用于油田作业现场的人员行为识别。构建的网络首先使用稀疏采样的策略对视频进行处理,再通过特征提取网络进行特征提取,其核心模块分别为时空注意力模块、动作强化模块和自适应特征融合模块。时空注意力模块完成特征的时空重要性再分配,建立不同帧之间的时间关联;动作强化模块完成背景的弱化、人体动作的强化,使模型聚焦于人体动作;特征融合模块在二者并行特征强化后进行自适应特征融合,最终通过全连接层和Softmax层来实现行为的分类。为验证所提网络的效果,分别在公共数据集和油田自制数据集上将所提模型与经典网络进行对比,UCF101数据集上的Top-1准确率相较于SlowOnly(SlowFast模型的Slow分支)和TSM(temporal shift module)分别提升了3.33%和1.61%,HMDB51数据集上的Top-1准确率相较于SlowOnly和TSM分别提升了8.56%和1.83%,在油田自制数据集上与TSN(temporal segment network)、TSM、SlowOnly进行对比,结果显示所提模型准确率得到大幅提升,验证了时空-动作自适应融合网络在油田作业现场环境下的有效性,更适用于油田作业环境下的行为识别任务。
-
关键词
行为识别
ResNet50
注意力机制
油田作业
特征融合
时空注意力
动作注意力
复杂场景
-
Keywords
behavior recognition
ResNet50
attention mechanism
oilfield operation
feature fusion
spatio-temporal attention
action attention
complex scenes
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
