基于多模态特征融合的井下人员不安全行为识别OACSCD
Recognition of unsafe behaviors of underground personnel based on multi modal feature fusion
采用人工智能技术对井下人员的行为进行实时识别,对保证矿井安全生产具有重要意义.针对基于RGB模态的行为识别方法易受视频图像背景噪声影响、基于骨骼模态的行为识别方法缺乏人与物体的外观特征信息的问题,将 2 种方法进行融合,提出了一种基于多模态特征融合的井下人员不安全行为识别方法.通过SlowOnly网络对 RGB模态特征进行提取;使用 YOLOX与 Lite-HRNet网络获取骨骼模态数据,采用PoseC3D网络对骨骼模态特征进行提取;对RGB模态…查看全部>>
王宇;于春华;陈晓青;宋家威
辽宁科技大学 矿业工程学院,辽宁 鞍山 114051凌钢股份北票保国铁矿有限公司,辽宁 朝阳 122102辽宁科技大学 矿业工程学院,辽宁 鞍山 114051辽宁科技大学 矿业工程学院,辽宁 鞍山 114051
矿山工程
智能矿山行为识别目标检测姿态估计多模态特征融合RGB模态骨骼模态YOLOX
intelligent minebehavior recognitionobject detectionpose estimationmulti modal feature fusionRGB modebone modalYOLOX
《工矿自动化》 2023 (11)
无底柱分段崩落法崩落体形成机理与控制
138-144,7
国家自然科学基金项目(51174110).
评论