基于时域分析深度网络的工人作业姿势分类方法

摘要

本发明公开了一种基于时域分析深度网络的工人作业姿势分类方法。首先，根据工地监控视频的操作安全应用需求，对视频中的镜头进行检测;同时使用RGB‑D传感器完成基于视觉的动作捕捉，创建虚拟人体模型和完整的人体姿势的图像序列；并按OWAS（Working Posture Analysing System,工作姿态分析系统）定义手臂、腿部和背部三个身体部位对应的姿势，获得用于分类算法学习的虚拟训练姿势图像数据集；之后采用时域分析和背景差分法结合中值滤波噪声消除算法获取清晰工作姿势轮廓图像，提取使用基于形状和径向直方图两种工作姿势轮廓图像的特征；最后采用VGG神经网络模型完成姿势图像的分类。本发明对于WMSDs（产生原因和危险因素）的预防工作有着非常重大和迫切的意义，具有很高的社会效益和经济效益。