基于融合运动特征和深度学习的电厂人员行为识别

电厂人员行为的准确识别与分析,对于维护电厂安全运行具有重要意义。文中使用融合运动特征的深度学习算法,建立了一套电厂工作人员的行为识别系统框架。为了提高动作识别精度、解决人体骨骼识别问题,通过引入图卷积网络建立多层时间空间融合的图卷积运算人体行为识别模型。针对单一网络检测准确率与鲁棒性低的问题,文中基于传感器网络建立了无线通信信道模型和电源管理方案,并得出视频传输优化方案,从而改善实际系统的通信质量。从实验验证结果可以发现,将所提算法搭载于多传感器网络中,对于电厂工作人员不安全行为的识别准确率可达90%以上,具有良好的工程应用前景。