矿井皮带区矿工违规行为识别方法

作者：仝泽友; 丁恩杰

来源：河南科技大学学报(自然科学版), 2020, 41(02): 40-7.

DOI：10.15926/j.cnki.issn1672-6871.2020.02.008

• 深度学习
• 特征向量
• 违规行为识别
• 运动历史图
• 特征提取

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。

• 单位
  中国矿业大学（北京）; 中国矿业大学