矿井皮带区矿工违规行为识别方法

针对矿井皮带区域人员违规行为的识别问题,提出了一种基于改进运动历史图描述矿工行为过程的方法,并提出金字塔几何矩特征。使用基于贝叶斯理论融合的金字塔几何矩与方向梯度直方图(HOG)特征向量识别矿工行为。首先,对三元色光(RGB)视频数据流提取关键帧,使用运动历史图描述矿工行为并在此基础上计算特征向量,使用K-最近邻(KNN)分类算法对矿工行为进行识别。使用深度学习法识别安全帽等目标,结合环境对矿工行为是否违规进行判识。实验结果表明:本文提出的方法识别准确率较高,可以达到96.5%,且时间复杂度较低,可以满足实时要求。同时,在KTH与Weizmann两个公共数据集上均取得较好的效果。

基于安全帽佩戴检测的矿山人员违规行为研究

针对矿山人员安全帽佩戴检测问题,文中提出了一种基于人脸的身份识别及安全帽佩戴检测的违规行为识别方法。首先在视频图像中检测人脸以识别身份,然后运用卷积神经网络方法检测人员是否佩戴安全帽,实验阶段将此方法与传统的图像处理方法进行测试对比。实验结果显示,基于深度学习的安全帽检测方法的鲁棒性强于传统方法,在不同条件下识别率和运行效率均优于传统方法,深度学习方法的平均识别率高达97%,所需平均运行时间少于传统方法的1/7。

基于改进小波变换的QRS特征提取算法研究

心电图数据是分析人体心脏病理的基础,针对心电数据的QRS波形特征提取问题,提出一种基于改进小波变换的特征提取方法。首先,选用小波函数Coiflet对采集信号2层分解,然后进行去噪处理。最大限度地保留心电信号有用特征成分,采用极大值与斜率双重检测法进行QRS波中R峰的定位,进而准确提取QRS特征。最后利用MIT-BIH数据库验证算法的准确性和有效性。实验结果表明,该算法针对QRS波形特征识别精度达到了99.661%,具有更高的有效性。