典型文献
基于融合运动特征和深度学习的电厂人员行为识别
文献摘要：
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.
文献关键词：
深度学习;运动特征;行为识别;多传感器网络
中图分类号：
作者姓名：
周鹏飞
作者机构：
华电山东淄博热电有限公司安全环保部,山东淄博250000
文献出处：
引用格式：
[1]周鹏飞-.基于融合运动特征和深度学习的电厂人员行为识别)[J].电子设计工程,2022(09):66-70
A类：
B类：
合运动,运动特征,人员行为识别,准确识别,识别与分析,深度学习算法,行为识别系统,系统框架,动作识别,识别精度,人体骨骼,骨骼识别,图卷积网络,时间空间,空间融合,卷积运算,人体行为识别,识别模型,网络检测,检测准确率,无线通信,通信信道,信道模型,电源管理,管理方案,视频传输,传输优化,通信质量,搭载,载于,多传感器网络,不安全行为,识别准确率
AB值：
0.414519
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
