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。