基于三维深度卷积神经网络的车间生产行为识别 |
| |
引用本文: | 刘庭煜,陆增,孙毅锋,刘芳,何必秒,钟杰.基于三维深度卷积神经网络的车间生产行为识别[J].计算机集成制造系统,2020,26(8):2143-2156. |
| |
作者姓名: | 刘庭煜 陆增 孙毅锋 刘芳 何必秒 钟杰 |
| |
作者单位: | 南京理工大学机械工程学院,江苏 南京 210094;北京航天新风机械设备有限责任公司,北京 100854 |
| |
基金项目: | 国家重点研发计划;国防预研项目;中央高校自主科研项目;国防基础科研项目 |
| |
摘 要: | 传统的依赖视频监控的人员行为管理方式费时且易产生疏漏,难以适用复杂的生产制造环境,为了实现更加有效的人员行为管理,针对生产车间工作人员行为识别与智能监控问题,提出一种基于人体骨架信息的生产行为识别方法。基于三维深度视觉传感器采集人体骨架关节位置数据,用标准化重构方法对骨架关节数据进行归一化处理,合成人体行为的时空特征RGB图像。在此基础上构建深度卷积神经网络模型,进行时空域的生产行为识别。最后通过CUDA GPU加速环境下面向MSR-Action3D数据集和自建验证数据集NJUST3D进行实验验证,说明所提方法具有较高的准确率和实用价值。
|
关 键 词: | 深度视觉 行为识别 骨架 深度学习 深度卷积神经网络模型 |
本文献已被 CNKI 万方数据 等数据库收录! |
|