基于三维深度卷积神经网络的车间生产行为识别

• 作 者: 刘庭煜 陆增 孙毅锋 刘芳 何必秒 钟杰
• 机 构: 南京理工大学机械工程学院,北京航天新风机械设备有限责任公司
• 出 处: 计算机集成制造系统
• 发表日期: 2020年08期
• 关键词: 深度视觉 行为识别 骨架 深度学习 深度卷积神经网络模型 depth visionhuman activity recognitionskeletondeep
• 基金项目: 国家重点研发计划资助项目(2018YFB1701302,2018YFB2002102),国防预先研究资助项目(41423010203),国防基础科研重点资助项目(JCKY2017204B053),中央高校自主科研基金资助项目(30919011208)

传统的依赖视频监控的人员行为管理方式费时且易产生疏漏,难以适用复杂的生产制造环境,为了实现更加有效的人员行为管理,针对生产车间工作人员行为识别与智能监控问题,提出一种基于人体骨架信息的生产行为识别方法。基于三维深度视觉传感器采集人体骨架关节位置数据,用标准化重构方法对骨架关节数据进行归一化处理,合成人体行为的时空特征RGB图像。在此基础上构建深度卷积神经网络模型,进行时空域的生产行为识别。最后通过CUDA GPU加速环境下面向MSR-Action3D数据集和自建验证数据集NJUST3D进行实验验证,