离散姿态感知量结构化矿工异常行为识别方法

摘要：

煤矿生产"减人提效"的发展趋势使保障工人安全愈发重要,针对当前矿工异常行为检测方法数据量大、鲁棒性不强的问题,提出了一种离散姿态感知量结构化的矿工异常行为识别方法.采用卡尔曼滤波技术优化基于九轴姿态传感器获得的行为感知信息,利用采样窗口截取行为信息后,依姿态感知量轴向结构化为三通道RGB行为图像,结合所设计用于提取时空特征的CTFRN模型,精确提取拟识别5种矿工行为的时空特征,以低运算量、高鲁棒性特点监测矿工异常行为.与其他模型对比结果表明,所提方法较准确率更高,可达99.3％.所设计系统及识别方法可用于实际环境中矿工异常行为实时监测,保障矿工生命安全.

关键词：异常行为识别;姿态传感器;卷积神经网络;结构化信息

所属期刊栏目：44

分类号：TN911.7

资助基金：NSFC-山西煤基低碳联合基金项目;中央引导地方科技发展资金项目;山西省应用基础研究计划

在线出版日期：2022-02-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：65-70