典型文献
基于深度学习的电力作业人员行为识别技术
文献摘要：
目前的电力现场安全监控主要通过人员对监控视频进行全程监测,但采用人工检测的方法不仅浪费时间,而且容易出现漏报的情况,使工作人员的人身安全无法得到保障.为实现对作业现场人员行为的智能识别,提出了一种基于OpenPose的电力作业人员的危险行为识别技术.该方法提取视频流图像中电力作业人员骨骼关键点信息,利用深度神经网络实现多人场景下电力作业人员的人体行为姿态感知,实时对施工人员的违规行为进行检测识别,并发出警告.所提方法实现了对电力现场作业人员行为的准确、实时安全监控,保障了现场作业人员的人身安全和电力作业的顺利进行,具有一定的鲁棒性与泛化能力.
文献关键词：
姿态估计;深度学习;电力作业;行为识别
中图分类号：
作者姓名：
王鸿;邓元实;常政威;吴杰;陈明举
作者机构：
四川轻化工大学人工智能四川省重点实验室,四川 宜宾 644000;国网四川省电力公司电力科学研究院,四川 成都 610041
文献出处：
引用格式：
[1]王鸿;邓元实;常政威;吴杰;陈明举-.基于深度学习的电力作业人员行为识别技术)[J].四川电力技术,2022(03):23-28
A类：
B类：
电力作业,作业人员,人员行为识别,现场安全,安全监控,监控视频,全程监测,浪费时间,漏报,人身安全,智能识别,OpenPose,危险行为识别,视频流,骨骼关键点,深度神经网络,多人场景,人体行为,姿态感知,施工人员,违规行为,检测识别,出警,警告,现场作业,顺利进行,泛化能力,姿态估计
AB值：
0.381795
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。
