為有效識別礦工不安全行為,預防煤礦安全事故,提出融合深度學習的計算機視覺、表示深度信息的深度圖像、可穿戴傳感器等人工智能識別技術的方法�；谝陨�3種方法在人體行為識別上的應用特點,運用主成分分析法（PCA）將3種識別技術提取的行為特征降維融合,通過支持向量機（SVM）對融合特征進行分類;以礦工跌倒行為數據為正樣本,走路、坐下、彎腰、下蹲、躺下等5種日常行為數據作為負樣本,分別利用3種人工智能識別方法以及融合方法對礦工跌倒行為進行識別檢驗。結果表明:經過融合后的識別方法對礦工跌倒行為的識別效果均高于其他3種人工智能識別方法。 

【文章來源】：中國安全科學學報. 2019,29(01)北大核心CSCD

【文章頁數】：6 頁

【文章目錄】：
0 引 言
1 3種識別方法比較
2 人工智能識別技術融合方法
3 基于礦工跌倒行為識別的檢驗
    3.1 數據收集
    3.2 檢驗分析
4 結 論


【參考文獻】：
期刊論文
[1]近十年我國煤礦安全事故時空規(guī)律研究[J]. 譚章祿,單斐.  中國煤炭. 2017(09)
[2]煤礦工人不安全行為組合干預仿真研究[J]. 李磊#講師,田水承#教授.  中國安全科學學報. 2016(07)

博士論文
[1]一種實時的跌倒姿態(tài)檢測和心率監(jiān)護系統(tǒng)的研究[D]. 文耀鋒.浙江大學 2008

碩士論文
[1]基于多模特征融合的人體跌倒檢測算法研究[D]. 薛冰霞.山東大學 2015



本文編號：3566665