基于改进双流法的井下配电室巡检行为识别

• 作者: 党伟超 吴喆峰 张泽杰 白尚旺 龚大力
• 来源期刊: 工矿自动化
• 学科: 工学
• 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
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 实验研究
• 页码范围: 75-80
• 页数: 6页
• 分类号: TD67
• 字数: 5307字
• 语种: 中文
• DOI: 10.13272/j.issn.1671-251x.2019080074

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白尚旺	太原科技大学计算机科学与技术学院	76	280	10.0	13.0
2	党伟超	太原科技大学计算机科学与技术学院	40	171	7.0	12.0
3	张泽杰	太原科技大学计算机科学与技术学院	1	0	0.0	0.0
4	龚大力		1	0	0.0	0.0
5	吴喆峰		2	0	0.0	0.0