首页|期刊导航|工矿自动化|基于多模态特征融合的井下人员不安全行为识别

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

中文摘要

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).

10.13272/j.issn.1671-251x.2023070055

评论

您当前未登录!去登录点击加载更多...