基于DA GCN的煤矿人员行为识别方法 论文

针对煤矿生产区域的监控视频模糊且人员行为类型复杂的问题，常规行为识别方法的准确率较低。提出了一种基于动态注意力与多层感知图卷积网络（DA-GCN）的煤矿人员行为识别方法。采用Openpose算法提取输入视频的人体关键点，得到3个维度、18个坐标的信息，降低背景干扰；通过动态多层感知图卷积网络（D-GCN）提取人体关键点的空间特征，通过时间卷积网络（TCN）提取人体关键点的时间特征，增强网络的泛化能力；使用动态注意力机制，增强网络对关键帧和骨架的关注度，缓解视频质量不佳的影响；使用Softmax分类器进行分类。通过场景分析，将井下行为分为站立、行走、坐、跨越和操作设备5种类型，构建了Cumt-Action数据集。实验结果表明，DA-GCN在Cumt-Action数据集的最高准确率达到99.3%，最高召回率达到98.6%。与其他算法相比，DA-GCN在Cumt-Action数据集和公共数据集NTU-RGBD上均具有较高的识别准确率，证明了其优秀的行为识别能力。