APP下载

基于图卷积的作业行为实时检测方法

2022-10-17孙晓悦

计算机工程与设计 2022年10期
关键词:关键点作业实验

田 枫,孙晓悦,刘 芳,卢 俊

(东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318)

0 引 言

现阶段,人体行为识别可以分为两种主流方法:基于图像的和基于人体骨骼关键点的。基于骨架序列的人体行为识别存在一定的优势:人体骨架的关节数量有限,所耗费的计算资源较低,且对动态环境和复杂背景的适应能力较强,除此之外,骨架存在较强的语义信息,可以更好代表人体动作。因此,使用骨架数据来做行为识别成为热门研究方向。现常用的主流框架主要分为3类:RNN、CNN、GCN等。文献[1,2]将处理时间依赖关系的LSTM对分组的人体骨骼关键点进行分类识别。文献[3,4]使用卷积神经网络(CNN)处理骨骼数据,提出了骨架变换模块自动对重要骨骼关键点分配较大权重,并使用窗口提议网络检测动作起始时间进行行为识别。文献[5,6]提出骨骼序列空时图的概念,并提出了空时图卷积网络提取高级特征,并采用基于距离的采样函数构造图卷积层,提高识别精度。

现有的关于行为识别方法虽然多种多样,但面对实时监控下的复杂场景识别能力较差,且计算量过大不能满足实时监控的要求,仅处于实验室研究阶段。因此本文提出了一种基于图卷积的作业行为实时检测方法:首先对视频监控的作业人员以YOLOv5作为基础模型进行人员定位,然后对其骨架进行提取,并利用DeepSort[7]对骨架进行跟踪,最后使用图卷积神经网络进行行为分类和识别。

1 作业行为实时检测算法

动作实施者是人,而作业现场环境复杂,非人体部分会存在影响识别精度,且提取特征过多使得模型计算量过大,检测速度变慢的问题。……

登录APP查看全文

猜你喜欢

关键点作业实验
记一次有趣的实验
肉兔育肥抓好七个关键点
做个怪怪长实验
作业
NO与NO2相互转化实验的改进
实践十号上的19项实验
医联体要把握三个关键点
锁定两个关键点——我这样教《送考》
我想要自由
三十六计第七计:无中生有