首页|铁路工人人体行为识别模型

铁路工人人体行为识别模型

扫码查看
原文链接
  • 万方数据
  • 维普
为提高铁路工人施工安全系数,采用基于人体行为识别(HAR)的智能化监测方法,估计铁路工人在施工过程中的动作;使用端到端自动提取数据特征的深度学习方法搭建网络,提高行为识别精度和模型泛化性;鉴于循环神经网络并行能力差,收敛时间长,提出结合空洞卷积与自注意力机制的深度学习模型;使用WISDM和MobiAct公开数据集,分别识别2个数据集上的基本动作和跌倒、撞击等行为.结果表明:相比于卷积神经网络(CNN)、长短期记忆(LSTM)网络、深度卷积LSTM网络,该模型具有更好的识别精度和性能,能够实现更准确的工人行为划分.
Human activity recognition model of railway workers

黄珍珍、肖硕、王钰、陈伟、王升志、江海峰

展开 >

中国矿业大学计算机科学与技术学院,江苏徐州221116

中国矿业大学图书馆,江苏徐州221116

卡斯柯信号有限公司,北京100070

铁路工人 人体行为识别(HAR) 深度学习 空洞卷积 自注意力机制

620714706197142151874300KC20167

2022

10.16265/j.cnki.issn1003-3033.2022.06.2179

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2022.32(6)
  • 5