基于视频数据的煤矿井下不安全行为识别分析方法_中国煤炭行业知识服务平台

基于视频数据的煤矿井下不安全行为识别分析方法

作者

侯艳文姚有利贾泽琳苏丹王晓义郭康
单位

山西大同大学煤炭工程学院
摘要

煤矿井下员工的不安全行为是导致事故发生的主要原因，传统的矿工不安全行为防控主要依靠人来管控，智能化水平较低，难以实时自动发现并智能决策预警。文章将计算机视觉、深度学习相关技术结合，应用于煤矿井下员工不安全行为识别。基于YOLOv5目标检测算法、OpenPose人体姿态估计算法对视频数据中物的状态及人的行为进行分析，并提出一种行为判定方式，来识别矿工的不安全行为。将煤矿井下物的不安全状态及人的不安全行为进行结合，提出一种实时分析物的不安全状态和人的不安全行为的方法，有助于实现煤矿井下广泛场景中矿工不安全行为的自动识别，可用于应用层服务系统，实现预警等功能，为矿工不安全行为智能识别和预警提供新的思路和方法。
关键词

YOLOv5OpenPose视频数据不安全行为
基金项目(Foundation)

山西省软件科学研究项目(2019041014-3)；大同市科技项目：绿色开采背景下的矿工不安全行为智能识别方法研究项目(2023067)；
文章目录

1 视频数据整体检测流程
2 关键核心算法
2.1 基于YOLOv5的目标检测
2.2 基于OpenPose的人体行为识别
3 煤矿井下的不安全分析
3.1 物的不安全状态分析
3.1.1 未戴安全帽
3.1.2 未佩戴口罩
3.2 人的不安全行为分析
3.2.1 人体行走、站立行为判定
3.2.2 人体倒地不安全行为判定
3.2.3 人体翻越不安全行为判定
4 结语
引用格式

侯艳文,姚有利,贾泽琳等.基于视频数据的煤矿井下不安全行为识别分析方法[J].煤,2023,32(11):33-36+91.