排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
针对石油化工场景下传统的人体行为识别算法只关注人员自身行为,无法识别打手机、抽烟等属于人-物交互危险行为的问题,在基于骨骼点的人体行为识别任务中引入目标检测机制,提出基于深度学习的人-物交互行为识别算法.首先,采用OpenPose算法进行姿态估计,进而利用行为识别方法获取初始行为类别;其次,针对传统方法丢失背景和语义信息的问题,使用YOLOv3算法检测感兴趣物体,获得类别和位置信息;然后,通过判断人与物体的空间位置关系来表征人-物交互关系;最后,提出决策融合策略,对人的初始行为类别、物体信息、人-物交互关系进行决策融合,得到最终的行为识别结果.以打手机和抽烟行为为例对所提算法进行验证分析,结果表明,所提算法可以对石化场景下人员的危险行为进行准确识别. 相似文献
3.
对矿区人员入矿、出矿及重要生产活动行为进行精准定位与准确识别是实现矿区智能安全生产的重要基础.针对复杂的矿区生产环境,提出一种基于MK-YOLOV4的矿区人员无标注视频检索方法,实现对矿区重要关口监控无标注视频的多人员目标检测和各人员身份重识别.首先,提出MK-YOLOV4算法,实现无标注视频多人员检测,在YOLOV4... 相似文献
4.
随着5G通信、边缘计算、大数据和人工智能等技术在煤炭工业生产场景的应用,各类视频设备和功能系统急剧增多。为提高矿山安全生产的协同管控能力和智能决策水平,解决矿山各业务系统智能化程度低、深度信息感知能力差以及决策能力弱的问题,需要对具体生产场景下的视频结构化分析相关技术进行深入研究,构建跨场景的态势感知与协作、全流程的生产状态监控的智慧矿山生产视频结构化分析系统平台。建议从人、机、料、法、环5个维度融合分析矿山视频数据,通过场景认知和生产规则建模以应对复杂作业场景下业务场景识别的需求,对矿山生产业务及规则进行结构化特征建模,从时间、空间以及语义等方面对目标特征进行组合分析与分级索引,在云边协同技术架构下,让感知数据上行、规则模型下行,研发能够快速进行全系列结构化数据传递、全场景语义信息融合以及全流程生产风险管控的云边协同视频结构化分析平台,形成更加符合矿山工业形态的非结构化数据治理模式。在深入分析矿山安全生产需求和视频结构化分析技术特性的基础上,提出研究矿山作业场景视频结构化分析机制、矿山作业场景认知与规则建模技术、人员安全行为分析督导技术、设备状态视频监控联合分析技术、视频分析应急协同... 相似文献
1