基于改进双流算法的矿工行为识别方法研究
陈天
闫雨寒
徐达伟
刘忠育
丁恩杰
中国矿业大学 矿山物联网应用技术国家地方联合工程实验室,江苏 徐州 221008;中国矿业大学 信息与控制工程学院,江苏 徐州 221008
摘要：针对目前矿工行为数据集构建不全面、行为识别实时性较差、对相似行为的细粒性识别精度较低等问题,提出了一种端到端的自主学习行为特征并实现行为分类的识别方法.首先,对原始矿工行为视频进行特征提取,生成用来描述时间特征的光流图以及可以描述空间特征的三原色(RGB)图像,使用双流网络对提取的特征进行学习并得到行为分类结果;然后,引入量子遗传算法对双流网络进行改进,对网络中待训练参数进行量子编码,将双流网络在测试集上的代价函数值作为适应度函数.采用量子交叉、量子门旋转实现种群个体的进化.构建了包含50种矿工行为的数据集,在该数据集上利用双流法进行行为识别.研究结果表明:使用量子遗传算法优化后的3种双流网络的识别准确率,比优化前分别提升了1.01％,0.87％ 和0.32％.通过与其他矿工行为识别算法进行对比,本文所提方法在两种数据集上识别率分别达到90.36％ 和72.29％,均优于其他几种识别算法,准确率最大差距达到22.36％,证明了本文所提方法的有效性.
关键词：矿工行为识别双流网络量子遗传光流法深度学习
分类号：TD79(矿山安全与劳动保护)TP18(自动化基础理论)
资助基金：国家重点研发计划(2017YFC08)
论文发表日期：2021-08-25
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( 47-53 )