基于全景可视化的综采工作面异常行为识别关键技术

针对煤矿工作面工人异常行为难以智能监管的问题,提出了一种基于OpenPose改进的轻量化人体姿态识别模型。采用MobileNet-v3替换原模型中的骨干网络,并采用较小的卷积核替代原7×7的卷积核,以提高模型检测速度并减小所占用资源;针对工作面摄像头拍摄范围有限,难以满足工作面全景可视化的需求,采用SIFT图像拼接算法,将多个监控视野相融合,实现工作面实时同步全场景监测的目的。试验测试结果表明:改进后的人体姿态识别模型准确率达到81.5%,占用内存为原模型的42%,而检测速度为原模型1.59倍;改进的人体姿态识别模型在减小占用内存的同时,大幅提高了模型检测速度并保持了较高的准确率,结合人体姿态识别与图像拼接算法能够实现对工人行为的实时监测。