基于DA-GCN的煤矿人员行为识别方法
黄瀚1
程小舟2
云霄1
周玉1
孙彦景3
1.中国矿业大学信息与控制工程学院,江苏徐州 2211162.中国矿业大学信息与控制工程学院,江苏徐州 221116;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,安徽马鞍山 2430003.中国矿业大学信息与控制工程学院,江苏徐州 221116;中国矿业大学徐州市智能安全与应急协同工程研究中心,江苏徐州 221116
摘要：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
分类号：TD67(矿山电工)
资助基金：江苏省自然科学基金青年项目(BK20180640)国家自然科学基金(61902404)国家自然科学基金(51734009)国家自然科学基金(51504255)国家自然科学基金(51734009)国家自然科学基金(61771417)国家自然科学基金(62001475)国家重点研发计划(2016YFC0801403)江苏省重点研发计划(BE2015040)
论文发表日期：2021-04-10
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：5( 62-66 )
英文信息