多特征融合下机械制造车间危险行为识别研究

目前常规的车间危险行为识别方法主要为通过对监控视频中的图像序列进行形态学处理,然后通过图像增强等手段放大车间操作的行为特征,并构建行为分类器,但由于其缺乏对关键骨骼节点的有效提取,导致识别精度不佳。因此,本研究提出多特征融合下机械制造车间危险行为识别研究:首先搭建openpse网络结构,对监控视频序列的图像帧进行外部特征提取,并通过不同的卷积分支获取骨骼关键点的具体位置;然后结合合成骨骼模态特征描述矩阵,实现多特征融合处理;最后引入危险行为判定阈值,将监控视频序列中不同行为特征隶属度与判定指标进行对比,从而识别出危险行为。在实验中,本研究对提出的方法进行了行为识别精度的检验。最终的测试结果表明,采用提出的方法对车间危险行为进行识别时,算法在数据集上的帧级AUC表现较好,具备较为理想的识别效果。