申请/专利权人：陕西彬长小庄矿业有限公司

申请日：2023-11-13

公开（公告）日：2024-04-05

公开（公告）号：CN117831113A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/52;G06V10/764;G06V10/774;G06V10/82;G06V10/20;G06N3/042;G06N3/0464;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于图像增强和改进图卷积神经网络的矿工危险行为识别方法和装置，该方法包括：首先对提取到的井下矿工行为数据集利用无监督生成对抗网络进行预处理，避免了成对数据集获得难度大的问题，得到高质量行为识别数据集；其次利用人体姿态评估模型获取标注好矿工人体拓扑的增强数据集；最后在图卷积神经网络的基础上进行改进，构建三流网络，增添自适应图卷积层、注意力机制模块、时序拓展模块和轻量化模块，以ResNet网络取代原有网络，充分关注相邻帧间的矿工动作的重要节点和特征，忽略无关的背景信息和相对不重要的特征信息，在保证整体准确度的情况下提升了运行速度，有效的识别矿工的行为类别，并对危险行为进行警报。

主权项：1.一种基于图像增强和改进图卷积神经网络的矿工危险行为识别方法，其特征在于，针对井下低照度环境采用无监督生成对抗模型对实际采集的行为数据集进行预处理，并将数据输入到仅凭借终端设备即可有效部署的轻量化模型中对行为进行识别；识别方法的过程包括：步骤1：利用井下监控设备获取矿工生产作业中只包含各类矿工动作的行为数据集；步骤2：利用无监督生成对抗模型，对获取到的矿工行为数据集进行预处理；步骤3：将经过预处理的矿工行为数据集输入到人体姿态评估模型，得到标注有人体骨骼拓扑的矿工行为数据集；步骤4：将标注有人体骨骼拓扑的矿工行为数据集输入到行为识别模型中，得到矿工行为识别结果；所述的行为识别模型采用多组训练数据集训练得到，每组训练数据集均包括矿工的各类行为数据及对应的标签，所述标签用于指示矿工的行为类别；步骤5：基于矿工行为识别结果中的标签，判断矿工行为是否存在危险，如果危险则发出警告予以提示。

全文数据：

权利要求：

百度查询： 陕西彬长小庄矿业有限公司 一种基于图像增强和改进图卷积神经网络的矿工危险行为识别方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD