中国安全科学学报

作者：黄珍珍, 肖硕, 王钰, 陈伟, 王升志, 江海峰

单位：1 中国矿业大学 计算机科学与技术学院,江苏 徐州 221116；2 中国矿业大学 图书馆,江苏 徐州 221116；3 卡斯柯信号有限公司,北京 100070

关键词：铁路工人,人体行为识别(HAR),深度学习,空洞卷积,自注意力机制

基金：国家自然科学基金资助(62071470); 国家自然科学基金资助(61971421); 国家自然科学基金资助(51874300); 徐州市科技计划项目(KC20167)

为提高铁路工人施工安全系数,采用基于人体行为识别(HAR)的智能化监测方法,估计铁路工人在施工过程中的动作;使用端到端自动提取数据特征的深度学习方法搭建网络,提高行为识别精度和模型泛化性;鉴于循环神经网络并行能力差,收敛时间长,提出结合空洞卷积与自注意力机制的深度学习模型;使用WISDM和MobiAct公开数据集,分别识别2个数据集上的基本动作和跌倒、撞击等行为。结果表明:相比于卷积神经网络(CNN)、长短期记忆(LSTM)网络、深度卷积LSTM网络,该模型具有更好的识别精度和性能,能够实现更准确的工人行为划分。

来源：2022年第6期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2022年第6期