基于3D-Attention与多尺度的矿井人员行为识别算法

为了解决现有行为识别模型在矿井环境下识别率低，对矿井下环境的适应性较弱，不具备适用性的问题，提出基于3D-Attention与多尺度(CSAD)的矿井人员行为识别算法。针对国内外现有矿工行为数据集较为匮乏的问题，自建矿工行为数据集；其次，针对煤矿井下视频动态变化的问题，提出3D多尺度卷积模块，通过学习不同尺度的特征，提升模型的泛化性，增强模型对不同煤矿环境的适应性；考虑到模型在煤矿井下环境中识别率较低的问题，提出改进的A3D-Net注意力模块，使模型更加专注于识别区域的特征提取，进而提升模型的准确率。实验结果表明，在公共数据集UCF101、KTH上进行实验，提出的CSAD模型准确率分别达到89.9%、92.7%,在自建矿工行为数据集上进行试验，模型准确率达到74.98%,在使用视频增强预处理后，准确率达到了76.42%。