人工智能技术在矿工不安全行为识别中的融合应用

发布时间：2022-01-03 17:19

　　为有效识别矿工不安全行为,预防煤矿安全事故,提出融合深度学习的计算机视觉、表示深度信息的深度图像、可穿戴传感器等人工智能识别技术的方法。基于以上3种方法在人体行为识别上的应用特点,运用主成分分析法（PCA）将3种识别技术提取的行为特征降维融合,通过支持向量机（SVM）对融合特征进行分类;以矿工跌倒行为数据为正样本,走路、坐下、弯腰、下蹲、躺下等5种日常行为数据作为负样本,分别利用3种人工智能识别方法以及融合方法对矿工跌倒行为进行识别检验。结果表明:经过融合后的识别方法对矿工跌倒行为的识别效果均高于其他3种人工智能识别方法。 

【文章来源】：中国安全科学学报. 2019,29(01)北大核心CSCD

【文章页数】：6 页

【文章目录】：
0 引 言
1 3种识别方法比较
2 人工智能识别技术融合方法
3 基于矿工跌倒行为识别的检验
    3.1 数据收集
    3.2 检验分析
4 结 论


【参考文献】：
期刊论文
[1]近十年我国煤矿安全事故时空规律研究[J]. 谭章禄,单斐.  中国煤炭. 2017(09)
[2]煤矿工人不安全行为组合干预仿真研究[J]. 李磊#讲师,田水承#教授.  中国安全科学学报. 2016(07)

博士论文
[1]一种实时的跌倒姿态检测和心率监护系统的研究[D]. 文耀锋.浙江大学 2008

硕士论文
[1]基于多模特征融合的人体跌倒检测算法研究[D]. 薛冰霞.山东大学 2015



本文编号：3566665