基于HigherHRNet的煤矿井下人体姿态估计快速网络研究
张延军
陈博
太原科技大学 机械工程学院,山西 太原 030024
摘要：煤矿井下人体姿态的快速估计是井下作业智慧安全检测的重要前提.为解决煤矿井下多尘多雾、照明不足及颜色相融等问题,提高人体姿态估计关键点分配准确度及网络运行速度,研究新的Optimising HigherHRNet(OH-HRNet)快速网络模型:对HigherHRNet模型的轻量化设计、关键点分配进行深入研究,提出了基于注意力机制的记忆卷积模块及强化骨骼约束的关键点分配算法,并改进了算法的损失函数.在煤矿井下场景数据集和COCO公开数据集上的实验结果表明:OH-HRNet在GPU的速度上是 LitePose 的 1.06 倍,平均精度均值 mAP 提高了 7.4%,平均召回率均值 mAR 提高了14.0%,可以实现更有效的智慧安全检测.
关键词：智慧煤矿人体姿态估计快速网络关键点检测关键点分配
分类号：TD76(矿山安全与劳动保护)
资助基金：山西省重点研发项目(202102010101010)
论文发表日期：2024-08-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 35-40 )
英文信息