矿井皮带区矿工违规行为识别方法

作     者：仝泽友 丁恩杰 TONG Zeyou;DING Enjie

作者机构：中国矿业大学信息与控制工程学院江苏徐州221000 中国矿业大学物联网(感知矿山)研究中心江苏徐州221000 

出 版 物：《河南科技大学学报（自然科学版）》 (Journal of Henan University of Science And Technology:Natural Science)

年 卷 期：2020年第41卷第2期

页      面：40-46,M0004,M0005页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划基金项目(2017YFC0804401) 

主　　题：深度学习 特征向量 违规行为识别 运动历史图 特征提取 

摘      要：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。