本發(fā)明涉及動(dòng)作分類，具體涉及一種礦山作業(yè)場(chǎng)景下的采掘行為分類方法。

背景技術(shù)：

1、智能煤礦采掘行為分析是指利用人工智能、數(shù)據(jù)挖掘和物聯(lián)網(wǎng)等技術(shù)，對(duì)煤礦采掘現(xiàn)場(chǎng)的工人和設(shè)備的行為進(jìn)行實(shí)時(shí)監(jiān)測(cè)、分析和識(shí)別，以提高煤礦生產(chǎn)的安全性、效率性和可持續(xù)性。通過(guò)智能煤礦采掘行為分析，可以實(shí)現(xiàn)對(duì)煤礦作業(yè)人員和設(shè)備的行為監(jiān)控，及時(shí)發(fā)現(xiàn)異常情況并采取相應(yīng)措施，從而降低事故風(fēng)險(xiǎn)、提高生產(chǎn)效率和保障工人安全。

2、在現(xiàn)有技術(shù)中，在智能煤礦采掘行為分析的應(yīng)用場(chǎng)景下，存在對(duì)行為人的動(dòng)作行為分類不夠準(zhǔn)確的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服上述技術(shù)不足，提供一種礦山作業(yè)場(chǎng)景下的采掘行為分類方法，以解決在智能煤礦采掘行為分析的應(yīng)用場(chǎng)景下，對(duì)行為人的動(dòng)作行為分類不夠準(zhǔn)確的技術(shù)問(wèn)題。

2、本發(fā)明采取了以下技術(shù)方案：

3、本發(fā)明提供了一種礦山作業(yè)場(chǎng)景下的采掘行為分類方法，所述方法包括：

4、接收第一視頻數(shù)據(jù)；其中，所述第一視頻數(shù)據(jù)是用于表征礦山作業(yè)場(chǎng)景的視頻數(shù)據(jù)；

5、對(duì)所述第一視頻數(shù)據(jù)執(zhí)行處理，得到第二視頻數(shù)據(jù)；其中，所述第二視頻數(shù)據(jù)的圖像質(zhì)量要高于第一視頻數(shù)據(jù)的圖像質(zhì)量；

6、將所述第二視頻數(shù)據(jù)輸入至預(yù)設(shè)的動(dòng)作行為分類模型中進(jìn)行處理，得到動(dòng)作行為分類結(jié)果。

7、有益效果：

8、本發(fā)明首先接收第一視頻數(shù)據(jù)，然后對(duì)所述第一視頻數(shù)據(jù)執(zhí)行處理，得到第二視頻數(shù)據(jù)；其中，所述第二視頻數(shù)據(jù)的圖像質(zhì)量要高于第一視頻數(shù)據(jù)的圖像質(zhì)量。最后將所述第二視頻數(shù)據(jù)輸入至預(yù)設(shè)的動(dòng)作行為分類模型中進(jìn)行處理，得到動(dòng)作行為分類結(jié)果。本申請(qǐng)通過(guò)對(duì)第一視頻數(shù)據(jù)進(jìn)行處理，得到第二視頻數(shù)據(jù)，并且第二視頻數(shù)據(jù)的圖像質(zhì)量要高于第一視頻數(shù)據(jù)，從而提升動(dòng)作行為分類的準(zhǔn)確率，也從而解決現(xiàn)有技術(shù)中，在智能煤礦采掘行為分析的應(yīng)用場(chǎng)景下，對(duì)行為人的動(dòng)作行為分類不夠準(zhǔn)確的技術(shù)問(wèn)題。

技術(shù)特征：

1.一種礦山作業(yè)場(chǎng)景下的采掘行為分類方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述接收第一視頻數(shù)據(jù)的步驟之前，所述方法還包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述第一視頻數(shù)據(jù)執(zhí)行處理，得到第二視頻數(shù)據(jù)的步驟，所述方法還包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述圖像增強(qiáng)模型采用圖像去噪模型，圖像對(duì)比度增強(qiáng)模型，或者圖像去霧模型，所述圖像還原模型為生成對(duì)抗模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述第二視頻數(shù)據(jù)輸入至預(yù)設(shè)的動(dòng)作行為分類模型中進(jìn)行處理，得到動(dòng)作行為分類結(jié)果的步驟，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述將所述第二視頻數(shù)據(jù)輸入至預(yù)設(shè)的動(dòng)作行為分類模型中進(jìn)行處理，得到動(dòng)作行為分類結(jié)果的步驟，包括：

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述預(yù)設(shè)的動(dòng)作行為分類模型包括依次連接的特征提取模塊，時(shí)序信息學(xué)習(xí)模塊、映射模塊和分類模塊；其中，所述特征提取模塊用于提取所述第二視頻數(shù)據(jù)和所述第三視頻數(shù)據(jù)的時(shí)空特征，所述時(shí)序信息學(xué)習(xí)模塊用于基于時(shí)空特征提取時(shí)序特征，所述映射模塊用于將時(shí)序特征映射到同一個(gè)特征空間中，所述分類模塊用于對(duì)特征空間中的特征進(jìn)行分類。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述特征提取模塊采用resnet網(wǎng)絡(luò)，所述時(shí)序信息學(xué)習(xí)模塊采用lstm網(wǎng)絡(luò)，所述映射模塊采用全連接層，所述分類模塊采用softmax分類器。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

10.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

技術(shù)總結(jié)
本發(fā)明提供了一種礦山作業(yè)場(chǎng)景下的采掘行為分類方法，首先接收第一視頻數(shù)據(jù)，然后對(duì)所述第一視頻數(shù)據(jù)執(zhí)行處理，得到第二視頻數(shù)據(jù)；其中，所述第二視頻數(shù)據(jù)的圖像質(zhì)量要高于第一視頻數(shù)據(jù)的圖像質(zhì)量。最后將所述第二視頻數(shù)據(jù)輸入至預(yù)設(shè)的動(dòng)作行為分類模型中進(jìn)行處理，得到動(dòng)作行為分類結(jié)果。本申請(qǐng)通過(guò)對(duì)第一視頻數(shù)據(jù)進(jìn)行處理，得到第二視頻數(shù)據(jù)，并且第二視頻數(shù)據(jù)的圖像質(zhì)量要高于第一視頻數(shù)據(jù)，從而提升動(dòng)作行為分類的準(zhǔn)確率，也從而解決現(xiàn)有技術(shù)中，在智能煤礦采掘行為分析的應(yīng)用場(chǎng)景下，對(duì)行為人的動(dòng)作行為分類不夠準(zhǔn)確的技術(shù)問(wèn)題。

技術(shù)研發(fā)人員：路文斌,楊其權(quán),杜凱,車本方,楊重陽(yáng)
受保護(hù)的技術(shù)使用者：棗莊礦業(yè)集團(tuán)高莊煤業(yè)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2