煤矿井下人员危险行为检测方法
张旭辉1
余恒翰2
杜昱阳1
杨文娟1
赵亦辉3
万继成2
王彦群2
赵典2
汤杜炜2
1.西安科技大学机械工程学院,陕西西安 710054;西安科技大学陕西省矿山机电装备智能检测与控制重点实验室,陕西西安 7100542.西安科技大学机械工程学院,陕西西安 7100543.西安煤矿机械有限公司,陕西西安 710032
摘要：井下人员危险行为检测是煤矿安全防控的关键环节.现有目标检测技术用于人员危险行为检测时,受煤矿井下复杂工况、设备遮挡、多目标密集、粉尘干扰等因素影响,存在特征提取不准确等问题,且未明确界定人员危险行为.以YOLOv8-pose模型为基准架构,采用DCNv4和PConv模块融合的DCNv4-PConv混合模块代替标准卷积,添加混合局部通道注意力(MLCA)模块,并采用感受野注意力卷积(RFAConv)模块替换检测头,构建了 PMR-YOLO模型,用于检测井下监控图像中人体关键点,提升检测精度和运算速度.在此基础上设计了人员行为识别算法,将井下人员行为划分为9种类别,基于YOLOv8-pose模型检测的人体关键点形成人体骨架,判断人员行为类别型.采用DsLMF+数据集进行消融实验、对比实验和人员行为识别实验,结果表明:DCNv4-PConv混合模块、MLCA模块、RFAConv模块的引入有效提高了 YOLOv8-pose模型的精确度、召回率和平均精度均值(mAP);PMR-YOLO模型对人体关键点特征提取的精确度、召回率和mAP分别为0.893,0.841,0.852,较YOLOv8-pose模型分别提高了 6.9％,14.4％,10.5％;基于PMR-YOLO模型的检测方法可有效识别井下人员9种行为类别,识别准确率均不低于96％.
关键词：视频识别危险行为检测人员行为识别YOLOv8-pose模型人体关键点检测
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(52104166)国家自然科学基金(52174150)陕西省关键核心技术攻关重点项目(2024CY2-GJHX-35)陕西省博士后科研资助项目(2024BSHYDZZ007)
论文发表日期：2025-05-30
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：8( 64-71 )
英文信息