相关实验视频
Updated: Feb 28, 2026
10:41
Identifying Amino Acid Overproducers Using Rare-Codon-Rich Markers
Published on: June 24, 2019
8.8K
一种基于改进的AlphaPose识别矿工不安全行为的算法
Xiaopei Liu1, Cong Song1, Feng Tian1,2
1School of Communication and Information Engineering, Xi'an University of Science and Technology, Xi'an 710054, China.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
这项研究介绍了RS-AlphaPose,这是一个改进的算法,用于识别使用视频监控的不安全矿工行为. 它在复杂的地下环境中提高了准确性,提高了煤矿的安全性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 采矿安全工程 采矿安全工程
背景情况:
- 视频监控对于煤矿安全至关重要,但与复杂的地下环境作斗争,导致识别不安全矿工行为的准确性较低.
- 挑战包括混乱的背景和人员封闭,这阻碍了人类姿势估计和特征提取.
研究的目的:
- 开发一个改进的矿工不安全行为识别算法 (RS-AlphaPose),在复杂的地下采矿条件下提高准确性.
- 解决现有方法在挑战性环境中的姿势估计和特征提取方面的局限性.
主要方法:
- RS-AlphaPose算法集成了一个改进的实时检测变压器 (RTDETR),用于在复杂场景中增强目标检测.
- 它结合了滑动窗口和道注意力机制,以提高骨提取精度,特别是在闭塞时.
- 一个时空图形卷积网络被用于从骨架序列捕获动态行为的时间特征.
主要成果:
- 该算法在COCO2017数据集上达到72.5%的平均姿势估计精度,超过了基本AlphaPose模型的2.2%.
- 在一个定制的矿工行为数据集上,RS-AlphaPose在登和穿越等不安全的行为中达到94.5%的平均识别准确率,比基线提高4.5%.
- 在减轻复杂的地下环境干扰方面证明有效.
结论:
- 拟议的RS-AlphaPose算法显著提高了在具有挑战性的地下环境下矿工动态不安全行为识别的准确性.
- 它提供了一种可靠的技术解决方案,通过先进的视频监控分析来提高煤矿生产的安全性.