矿井皮带区矿工违规行为识别方法

• 作者: 丁恩杰 仝泽友
• 来源期刊: 河南科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 特征向量 违规行为识别 运动历史图 特征提取
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电工电信、自动化与计算机
• 页码范围: 40-46
• 页数: 7页
• 分类号: TP391
• 字数: 5201字
• 语种: 中文
• DOI: 10.15926/j.cnki.issn1672-6871.2020.02.008

摘要

针对矿井皮带区域人员违规行为的识别问题,提出了一种基于改进运动历史图描述矿工行为过程的方法,并提出金字塔几何矩特征.使用基于贝叶斯理论融合的金字塔几何矩与方向梯度直方图(HOG)特征向量识别矿工行为.首先,对三元色光(RGB)视频数据流提取关键帧,使用运动历史图描述矿工行为并在此基础上计算特征向量,使用K-最近邻(KNN)分类算法对矿工行为进行识别.使用深度学习法识别安全帽等目标,结合环境对矿工行为是否违规进行判识.实验结果表明:本文提出的方法识别准确率较高,可以达到96.5％,且时间复杂度较低,可以满足实时要求.同时,在KTH与Weizmann两个公共数据集上均取得较好的效果.