基于3D-Attention与多尺度的矿井人员行为识别算法 |
| |
引用本文: | 李占利,权锦成,靳红梅.基于3D-Attention与多尺度的矿井人员行为识别算法[J].国外电子测量技术,2023(7):95-104. |
| |
作者姓名: | 李占利 权锦成 靳红梅 |
| |
作者单位: | 西安科技大学计算机科学与技术学院 |
| |
摘 要: | 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%。
|
关 键 词: | 深度学习 煤矿井下行为识别 注意力机制 神经网络 |
|
|