离散姿态感知量结构化矿工异常行为识别方法

来源：电子测量技术杂志2021年第20期北京时间：

作者：陈宝全，乔铁柱，卞 凯，杨 毅，张海涛

单位：太原理工大学 新型传感器与智能控制教育部重点实验室 太原 030024

摘要：煤矿生产“减人提效”的发展趋势使保障工人安全愈发重要，针对当前矿工异常行为检测方法数据量大、鲁棒性不强的问题，提出了一种离散姿态感知量结构化的矿工异常行为识别方法。采用卡尔曼滤波技术优化基于九轴姿态传感器获得的行为感知信息，利用采样窗口截取行为信息后，依姿态感知量轴向结构化为三通道RGB行为图像，结合所设计用于提取时空特征的CTFRN模型，精确提取拟识别5种矿工行为的时空特征，以低运算量、高鲁棒性特点监测矿工异常行为。与其他模型对比结果表明：所提方法较准确率更高，可达99.3%。所设计系统及识别方法可用于实际环境中矿工异常行为实时监测，保障矿工生命安全。

关键词：异常行为识别;姿态传感器;卷积神经网络;结构化信息

基金资助：NSFC-山西煤基低碳联合基金项目（U1810121）、2020年中央引导地方科技发展资金项目（YDZX20201400001796）、山西省应用基础研究计划(批准号201901D211077 )资助