声明
致谢
1 绪论
1.1 研究背景和意义
1.2.1 矿工不安全行为研究现状
1.2.2 行为识别研究现状
1.2.3 基于Kinect的行为识别研究现状
1.2.4 交互行为识别与结合环境的行为识别研究现状
1.3.1 论文研究路线
1.3.2 主要研究内容
1.3.3 论文章节安排
2 行为识别相关工具与技术介绍
2.1 Kinect介绍
2.1.1 Kinect硬件平台介绍
2.1.2Kinect SDK介绍
2.2.1 Kinect深度数据获取原理
2.2.2 关节点三维坐标获取
2.2.3 常用的人体行为数据集
2.3 常用的人体行为识别方法介绍
2.3.1 模板匹配法
2.3.2 直接分类法
2.3.3 状态空间法
2.4本章小结
3 基于关节点信息的罐笼内矿工行为表示方法
3.1 引言
3.2 人体静态姿势表示方法
3.2.1 人体静态姿势特征提取
3.2.2 角度特征评估
3.2.3 人体静态姿势表示序列
3.3 矿工动态行为表示方法
3.3.1 矿工动态行为特征提取
3.3.2 最大信息量关节角序列特征评估
3.3.3 时间金字塔模型
3.3.4 基于最大信息量关节角序列时间金字塔特征行为表示
3.4 矿工交互行为表示方法
3.4.1 交互行为关键帧提取
3.4.2 矿工交互行为特征提取
3.4.3 基于特征融合的矿工交互行为表示方法
3.5 本章小结
4 罐笼内矿工行为识别模型建立及结果分析
4.1 引言
4.2 自建罐笼内矿工行为数据集
4.3 支持向量机
4.4 基于 SVM 的矿工行为识别模型建立与结果分析
4.4.1 实验分析方法与标准
4.4.2 基于SVM的矿工动态行为识别实验与结果分析
4.4.3基于MSR Daily Activity 3D数据集实验结果分析
4.4.4 基于SVM的矿工交互行为识别实验与结果分析
4.5 基于决策级融合的矿工交互行为识别方法模型建立与实验分析
4.5.1 KNN分类算法
4.5.2 Softmax分类器
4.5.3 基于决策级融合的矿工交互行为识别方法模型建立
4.5.4 基于决策级融合的矿工交互行为识别方法实验结果
4.6 本章小结
5 副井安全门状态识别及矿工行为性质判识
5.1 引言
5.2 深度学习及框架介绍
5.3 安全门状态识别模型结构
5.4 副井安全门状态识别实验与结果分析
5.4.1 图像预处理
5.4.2 实验环境搭建与结果分析
5.5 罐笼内矿工行为性质分类模板建立
5.6 罐笼内矿工行为性质判识实验
5.7 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集