矿井皮带区矿工违规行为识别方法
仝泽友1
丁恩杰2
1.中国矿业大学 信息与控制工程学院,江苏 徐州 221000;中国矿业大学 物联网(感知矿山)研究中心,江苏 徐州 2210002.中国矿业大学 物联网(感知矿山)研究中心,江苏 徐州,221000
摘要：针对矿井皮带区域人员违规行为的识别问题,提出了一种基于改进运动历史图描述矿工行为过程的方法,并提出金字塔几何矩特征.使用基于贝叶斯理论融合的金字塔几何矩与方向梯度直方图(HOG)特征向量识别矿工行为.首先,对三元色光(RGB)视频数据流提取关键帧,使用运动历史图描述矿工行为并在此基础上计算特征向量,使用K-最近邻(KNN)分类算法对矿工行为进行识别.使用深度学习法识别安全帽等目标,结合环境对矿工行为是否违规进行判识.实验结果表明:本文提出的方法识别准确率较高,可以达到96.5％,且时间复杂度较低,可以满足实时要求.同时,在KTH与Weizmann两个公共数据集上均取得较好的效果.
关键词：深度学习特征向量违规行为识别运动历史图特征提取
分类号：TP391(计算技术、计算机技术)
资助基金：国家重点研发计划(2017YFC0804401)
论文发表日期：2020-01-01
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：7( 40-46 )