申请/专利权人：中铁十七局集团有限公司;太原理工大学

申请日：2024-01-29

公开（公告）日：2024-04-12

公开（公告）号：CN117877121A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/52;G06V20/40;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/042;G06N3/084;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及图像识别技术领域，具体为基于TSN卷积网络的不安全行为检测方法。基于TSN卷积网络的不安全行为检测方法，针对铁路施工环境中的典型不安全行为进行视频、图片数据采集，由采集的图像数据建立不安全行为类别与概率映射模型，将实时数据代入不安全行为类别与概率映射模型得到输出，并将其代入Argmax分类器，选择具有最高概率值的类别作为输出，实现不安全行为检测。本发明通过提取视频流中人员行为特征并引入跨段机制对视频中时序信息的建模，大大提高了不安全行为监控的实时性和识别效率。

主权项：1.基于TSN卷积网络的不安全行为检测方法，其特征在于：包括以下步骤：1首先建立人体关节节点拓扑图，并将不同时间点的关节节点拓扑图对照，绘制节点时空序列图；2根据节点时空序列图，构造TSN卷积网络输入参数，即在具有N个节点和T帧的节点时空序列图上构造一个包含时间帧信息的时空图特征向量G＝V,E，其中V为节点特征集合，E为边缘特征集合；3将提取的时空图特征向量通过BN层对数据进行归一化；4将归一化的时空图特征向量输入TSN卷积网络中空间图卷积模块，空间图卷积模块提取空间特征，空间特征再输入时间卷积模块得到时间维度的特征图；5输出的特征图被发送到池化层进行全局平均池化，以获得固定大小的特征向量；6将特征向量中的查询向量q、关键向量k和值向量v输入softmax函数，即将q、k、v向量与各自的参数矩阵wq、wk、wv相乘进行加权平均，得出输入特征向量对应的概率分布，其中dk为关键向量的维数；7针对铁路施工环境中的典型不安全行为进行视频、图片数据采集，建立训练集，重复以上步骤建立不安全行为类别与概率映射模型；8将铁路施工环境中的实时图像数据代入上述模型得到输出，并将其代入Argmax分类器，选择具有最高概率值的不安全行为类别作为输出，实现不安全行为检测。

全文数据：

权利要求：

百度查询： 中铁十七局集团有限公司;太原理工大学 基于TSN卷积网络的不安全行为检测方法

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