基于Kinect的矿井人员违规行为识别算法研究

发布时间：2021-07-29 19:33

　　由于煤炭生产的特殊性与危险性,煤炭生产过程中安全事故常有发生,其中人为因素占极高的比例,因此研究矿井工作人员的违规行为十分必要.针对人体行为识别中传统的动态时间规整算法经常出现的奇异点和时间复杂度问题,提出一种分段线性逼近结合自适应权重动态时间规整算法.对该算法进行了仿真以及实验,该算法在SDU Fall Dataset数据集的平均识别率达到了95.33%,平均识别时间减少了46.47%,在煤矿井下使用该系统进行测试,结果表明所提出的算法在识别速度和准确率上均有一定程度的提高. 

【文章来源】：湖南大学学报(自然科学版). 2020,47(04)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

奇异点示例

实验采用山东大学SDUFall Dataset数据集进行算法性能的验证.该数据集包括弯腰、跌倒、躺下、坐下、蹲下以及行走等6个动作，这6个动作由20个人分别完成，每个实验者对这6个动作都执行10次，每个动作都将拍摄角度、身体部分被遮挡以及光照强弱等因素考虑在内.拍摄视频格式的帧数是30帧/s，像素分辨率为640×480，动作长度为5.6 s.图2(a）为数据集中初始时间序列（实线）及其变形序列（虚线）.图2(b)～2(d）分别代表DTW、DDTW和PLA-SWDTW对图2(a）中序列的映射结果.图3显示了该数据集中不同动作的帧序列图像.使用DTW、DDTW和PLA-SWDTW 3种算法分别对该数据集的6个动作进行映射实验.表1为3种算法的平均错误映射数量.图2 3种算法对原始时间序列的映射结果

3种算法对原始时间序列的映射结果

【参考文献】：
期刊论文
[1]基于视觉的人体动作识别综述[J]. 胡琼,秦磊,黄庆明.  计算机学报. 2013(12)

博士论文
[1]煤矿事故隐患排查与管控关键技术及应用研究[D]. 韦钊.中国矿业大学(北京) 2018

硕士论文
[1]煤矿井下视频多目标轨迹跟踪方法研究与应用[D]. 贾伟.西安科技大学 2017



本文编号：3309921