基于DA-GCN的煤矿人员行为识别方法

摘要：

针对煤矿生产区域的监控视频较为模糊且人员行为类型复杂,常规行为识别方法的准确率较低的问题,提出了一种基于动态注意力与多层感知图卷积网络(DA-GCN)的煤矿人员行为识别方法.采用Openpose算法提取输入视频的人体关键点,得到3个维度、18个坐标的人体关键点信息,降低模糊背景信息的干扰;通过动态多层感知图卷积网络(D-GCN)提取人体关键点的空间特征,通过时间卷积网络(TCN)提取人体关键点的时间特征,提高网络对不同动作的泛化能力;使用动态注意力机制,增强网络对于动作关键帧、关键骨架的注意力程度,进一步缓解视频质量不佳带来的影响;使用Softmax分类器进行动作分类.通过场景分析,将井下行为分为站立、行走、坐、跨越和操作设备5种类型,构建适用于煤矿场景的Cumt-Action数据集.实验结果表明,DA-GCN在Cumt-Action数据集的最高准确率达到99.3％,最高召回率达到98.6％;与其他算法相比,DA-GCN在Cumt-Action数据集和公共数据集NTU-RGBD上均具有较高的识别准确率,证明了 DA-GCN优秀的行为识别能力.

关键词：煤矿视频监控、关键点提取、井下人员行为识别、动态多层感知图卷积、动态注意力机制

所属期刊栏目：47

分类号：TD67(矿山电工)

资助基金：江苏省自然科学基金青年项目;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家重点研发计划;江苏省重点研发计划

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：62-66