基于三维深度卷积神经网络的车间生产行为识别
来源：计算机集成制造系统杂志2020年第8期北京时间：
作者：刘庭煜,陆增,孙毅锋,刘芳,何必秒,钟杰
单位：1.南京理工大学机械工程学院2.北京航天新风机械设备有限责任公司
摘要：传统的依赖视频监控的人员行为管理方式费时且易产生疏漏,难以适用复杂的生产制造环境,为了实现更加有效的人员行为管理,针对生产车间工作人员行为识别与智能监控问题,提出一种基于人体骨架信息的生产行为识别方法。基于三维深度视觉传感器采集人体骨架关节位置数据,用标准化重构方法对骨架关节数据进行归一化处理,合成人体行为的时空特征RGB图像。在此基础上构建深度卷积神经网络模型,进行时空域的生产行为识别。最后通过CUDA GPU加速环境下面向MSR-Action3D数据集和自建验证数据集NJUST3D进行实验验证,说明所提方法具有较高的准确率和实用价值。
关键词：深度视觉,行为识别,骨架,深度学习,深度卷积神经网络模型
基金资助：国家重点研发计划资助项目(2018YFB1701302,2018YFB2002102);国防预先研究资助项目(41423010203);国防基础科研重点资助项目(JCKY2017204B053);中央高校自主科研基金资助项目(30919011208)。
