典型文献
ST-GCN在建筑工人不安全动作识别中的应用
文献摘要：
为准确及时地识别施工现场工人的不安全动作,运用计算机视觉的方法,结合图像识别技术和建筑安全知识,提出一种基于骨架的实时识别方法.将姿态估计算法与动作识别算法结合搭建组合模型,通过全面的数据进行模型训练,进而实现动作分类和不安全动作的识别,其中,AlphaPose用于姿态估计提取骨骼关键点坐标位置,时空图卷积网络(ST-GCN)用于动作识别,并通过试验进行验证.结果表明:该方法识别爬梯危险动作的准确率可以达到98.48％,同时,ST-GCN与支持向量机、随机森林、长短期记忆网络(LSTM)相比,具有更强的泛化能力.该方法通过对现场工人的不安全动作进行实时识别和预警,可改善传统安全管理模式,提高安全管理信息化水平.
文献关键词：
时空图卷积网络(ST-GCN);建筑工人;不安全行为;动作识别;AlphaPose;长短期记忆网络(LSTM)
中图分类号：
作者姓名：
刘耀;焦双健
作者机构：
中国海洋大学工程学院,山东青岛266100
文献出处：
引用格式：
[1]刘耀;焦双健-.ST-GCN在建筑工人不安全动作识别中的应用)[J].中国安全科学学报,2022(04):30-35
A类：
B类：
GCN,建筑工人,不安全动作,动作识别,施工现场,计算机视觉,图像识别技术,建筑安全,安全知识,实时识别,姿态估计算法,识别算法,组合模型,模型训练,动作分类,AlphaPose,取骨,骨骼关键点,时空图卷积网络,方法识别,爬梯,长短期记忆网络,泛化能力,传统安全,安全管理模式,高安全,安全管理信息化,信息化水平,不安全行为
AB值：
0.291815
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。
