[发明专利]一种矿工不安全行为的识别方法及系统

权利要求书

1.一种矿工不安全行为的识别方法，其特征在于，包括：

获取煤矿视频图像；所述煤矿视频图像包括矿工各工作地点的矿工视频图像、矿工当前工作场所的环境视频图像；

根据所述矿工视频图像识别矿工的矿工行为属性；所述矿工行为属性包括工种、工龄、姿态以及当前动作；

根据所述环境视频图像识别当前环境；所述当前环境包括煤矿井下的工作背景、地理位置、矿工所操作的设备；

获取所述设备的音频信号；

根据所述音频信号识别所述设备的工作状态；所述工作状态包括正常状态、过劳状态、故障状态；

根据所述矿工行为属性、所述当前环境以及所述工作状态确定矿工不安全行为。

2.根据权利要求1所述的识别方法，其特征在于，所述根据所述矿工视频图像识别矿工的矿工行为属性，具体包括：

在所述矿工视频图像中随机截取不同的图像片段；

对所述图像片段灰度处理，得到灰度图像片段；

对所述灰度图像片段高斯滤波处理，得到滤波后的图像片段；

根据所述滤波后的图像片段采用卷积神经网络模型识别矿工的矿工行为属性。

3.根据权利要求1所述的识别方法，其特征在于，所述根据所述环境视频图像识别当前环境，具体包括：

对所述环境视频图像归一化处理，获取归一化视频图像；

采用主成分分析白化方法对所述归一化视频图像白化处理，得到白化后的视频图像；

整合所述白化后的视频图像，得到整合的视频图像；

根据所述整合的视频图像采用深度卷积神经网络AlexNet模型，识别当前环境。

4.根据权利要求1所述识别方法，其特征在于，所述根据所述音频信号识别所述设备的工作状态，具体包括：

采用哈尔小波对所述音频信号进行小波包分解，得到分解后的音频信号；

根据所述分解后的音频信号提取带有能量特征的音频频段；

根据所述带有能量特征的音频频段利用受限玻尔茨曼机识别所述设备的工作状态。

5.根据权利要求1所述的识别方法，其特征在于，所述根据所述矿工行为属性、所述当前环境以及所述工作状态确定矿工不安全行为，具体包括：

根据所述矿工行为属性、所述当前环境以及所述工作状态，采用关联分析和Softmax回归多值算法结合轨迹交叉理论，确定矿工不安全行为。

6.一种矿工不安全行为的识别系统，其特征在于，包括：

煤矿视频图像获取模块，用于获取煤矿视频图像；所述煤矿视频图像包括矿工各工作地点的矿工视频图像、矿工当前工作场所的环境视频图像；

矿工行为属性识别模块，用于根据所述矿工视频图像识别矿工的矿工行为属性；所述矿工行为属性包括工种、工龄、姿态以及当前动作；

当前环境识别模块，用于根据所述环境视频图像识别当前环境；所述当前环境包括煤矿井下的工作背景、地理位置、矿工所操作的设备；

音频信号获取模块，用于获取所述设备的音频信号；

工作状态识别模块，用于根据所述音频信号识别所述设备的工作状态；所述工作状态包括正常状态、过劳状态、故障状态；

矿工不安全行为确定模块，用于根据所述矿工行为属性、所述当前环境以及所述工作状态确定矿工不安全行为。

7.根据权利要求6所述的识别系统，其特征在于，所述矿工行为属性识别模块具体包括：

图像片段截取单元，用于在所述矿工视频图像中随机截取不同的图像片段；

灰度处理单元，对所述图像片段灰度处理，得到灰度图像片段；

高斯滤波单元，用于对所述灰度图像片段高斯滤波处理，得到滤波后的图像片段；

矿工行为属性识别单元，用于根据所述滤波后的图像片段采用卷积神经网络模型识别矿工的矿工行为属性。

8.根据权利要求6所述的识别系统，其特征在于，所述当前环境识别模块具体包括：

归一化处理单元，用于对所述环境视频图像归一化处理，获取归一化视频图像；

白化单元，用于采用主成分分析白化方法对所述归一化视频图像白化处理，得到白化后的视频图像；

整合单元，用于整合所述白化后的视频图像，得到整合的视频图像；

当前环境识别单元，用于根据所述整合的视频图像采用深度卷积神经网络AlexNet模型，识别当前环境。