典型文献
铁路工人人体行为识别模型
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
黄珍珍;肖硕;王钰;陈伟;王升志;江海峰
作者机构：
中国矿业大学计算机科学与技术学院,江苏徐州221116;中国矿业大学图书馆,江苏徐州221116;卡斯柯信号有限公司,北京100070
文献出处：
引用格式：
[1]黄珍珍;肖硕;王钰;陈伟;王升志;江海峰-.铁路工人人体行为识别模型)[J].中国安全科学学报,2022(06):17-22
A类：
WISDM,MobiAct
B类：
铁路工人,人体行为识别,识别模型,提高铁路,施工安全,安全系数,HAR,智能化监测,监测方法,施工过程,端到端,自动提取,提取数据,数据特征,深度学习方法,建网,高行,识别精度,模型泛化性,循环神经网络,收敛时间,空洞卷积,自注意力机制,深度学习模型,公开数据集,基本动作,跌倒,撞击,长短期记忆,深度卷积,人行为
AB值：
0.324848
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。
