基于輕量級OpenPose的井下人員行為檢測算法研究

阮進林，高 鵬，孫 源，趙明輝

(1.國能神東煤炭集團公司保德煤礦，山西 忻州 036600；2.同濟大學 電子與信息工程學院，上海 201804；3.中煤科工集團上海有限公司，上海 200030)

隨著智能化技術的普及，智能制造也逐漸成為現代先進制造業的新方向。大數據、人工智能、云計算、互聯網等新興技術被深度融合進現代智慧礦山理念[1]中。煤礦井下的工作人員在煤礦行業中發揮著重要的作用，這些人員的行為直接關系到煤礦井下的管理和發展。近幾年，因為井下人員不安全行為，井下人員受傷事件頻發[2]，如何使用新興技術保證井下工作人員安全是重中之重。因此需要一種具備動態檢測，快速分析和實時報警提示功能的智能姿態檢測系統，實時督查人員的不安全行為，并且當發現違規行為或不安全行為時發出相應的提示，保證煤礦工作的正常運行。

傳統目標行為分析主要分為基于模型的方法[3]和基于相似度量的方法[4]，然而這些方法復雜且冗余度很高，普遍實用性差。為了有效分析人員行為，文獻[5]采用長短時記憶網絡算法對多傳感器采集的現場數據進行處理，該算法的訓練速度快，并且模型內存占用較低，在人體行為檢測上可以取到很好的準確率。文獻[6]基于慣性傳感器設計一種自適應的誤差四元數無跡卡爾曼濾波(DAUKF)算法，并引入漸消記憶法自適應地調整觀測噪聲協方差，以減少系統本身和環境對姿態檢測的干擾，所提方法提高了姿態檢測精度。……