-
题名基于DA-GCN的煤矿人员行为识别方法
被引量：12
- 1
-
-
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]
-
