基于改进双流法的井下配电室巡检行为识别
党伟超1
张泽杰1
白尚旺1
龚大力2
吴喆峰2
1.太原科技大学计算机科学与技术学院,山西太原0300242.精英数智科技股份有限公司,山西太原 030006
摘要：井下配电室监控视频持续时间较长且行为类型复杂,传统双流卷积神经网络(CNN)法对此类行为识别效果较差.针对该问题,对双流CNN法进行改进,提出了一种基于改进双流法的井下配电室巡检行为识别方法.通过场景分析,将巡检行为分为站立检测、下蹲检测、走动、站立记录、坐下记录5种类型,并制作了巡检行为数据集IBDS5.将每个巡检行为视频等分为3个部分,分别对应巡检开始、巡检中和巡检结束;对3个部分视频分别随机采样,获取代表空间特征的RGB图像和代表运动特征的连续光流图像,并分别输入空间流网络和时间流网络进行特征提取;对2个网络的预测特征进行加权融合,获取巡检行为识别结果.实验结果表明,以ResNet152网络结构为基础,且权重比例为1∶2的空间流和时间流双流融合网络具有较高的识别准确度,Top-1准确度达到98.92％;本文方法在IBDS5数据集和公共数据集UCF101上的识别准确率均优于3D CNN、传统双流CNN等现有方法.
关键词：井下配电室巡检行为识别双流卷积神经网络视频分段特征融合
分类号：TD67(矿山电工)
资助基金：国家科技重大专项(20121101001)山西省中科院科技合作资助项目(20141101001)山西省科技攻关计划(20141039)山西省重点研发计划项目(201703D121042-1)山西省重点研发计划项目(201803D121048)
论文发表日期：2020-04-10
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( 75-80 )
英文信息