煤矿井下人体姿态检测方法
王璇
吴佳奇
阳康
潘子恒
杨伟
王文清
1.中国煤矿机械装备有限责任公司,北京 1000112.中国矿业大学(北京)机电与信息工程学院,北京 1000833.煤炭科学技术研究院有限公司,北京 1000134.北京工业职业技术学院,北京 100042
摘要：煤矿井下作业人员姿态检测可为灾害预警和事故救援提供有效信息.井下人员姿态复杂多样,且为时间序列数据,现有人体姿态检测方法或难以处理连续相关的姿态数据,或因算法复杂需配置独立计算机而导致实时性较差.针对上述问题,提出了一种基于改进长短期记忆网络(LSTM)的煤矿井下人体姿态检测方法,通过压力传感器、角度传感器获取井下人员脚底压力、腰腿部角度等姿态数据,由人员随身携带的便携式边缘运算决策单元进行姿态判别,实现井下工作人员站立、行走、弯腰、蹲(坐)、躺卧5种姿态的实时检测.为降低人体姿态原始采样数据维度,提高运算效率,对LSTM进行改进,设计了长短期记忆稀疏自编码器(LSTMSA),先由稀疏自编码器(SA)对原始采样数据进行特征提取,实现降维,再由LSTM进行人体姿态检测.在实验室环境下采集人体姿态数据,分别对LSTMSA、LSTM、循环神经网络(RNN)进行训练和测试,结果表明:在相同的试验设置和采样数据下,LSTMSA对5种人体姿态检测的准确率均达到90％以上,与LSTM接近且大于RNN;LSTMSA运算时间较LSTM缩短50％以上,满足矿井人体姿态检测实时性要求.
关键词：煤矿井下人体姿态检测姿态估计边缘计算长短期记忆网络稀疏自编码器
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(52074305)团队建设项目(1106022512)
论文发表日期：2022-05-10
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( 79-84 )
英文信息