一种应用于煤矿井下工种识别的员工移动模式学习方法

    公开(公告)号:CN115205905A

    公开(公告)日:2022-10-18

    申请号:CN202211018940.4

    申请日:2022-08-24

    摘要: 一种应用于煤矿井下工种识别的员工移动模式学习方法,属于煤矿井下数据分析技术领域。利用煤矿井下员工轨迹数据设计工种识别模型,该模型实现了识别输入的轨迹数据属于哪一个工种;包括:多语义嵌入模块、全局特征提取模块和工种识别模块。优点:采用图嵌入和词嵌入结合来学习员工的嵌入表示,并考虑到外部因素对员工移动轨迹的影响,能够获取到更丰富的语义信息;采用transformer技术来处理可变的长轨迹序列,并提取轨迹的全局语义特征,同时涉及一个用于自监督轨迹分类的对比学习网络,充分挖掘无标签数据的潜在价值,提升工种识别的精度,从而为煤矿井下调度平台提供技术支持,避免一人多卡问题,实现煤矿井下员工智能调度,维护井下生产安全。

    一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法

    公开(公告)号:CN116524227A

    公开(公告)日:2023-08-01

    申请号:CN202310173792.1

    申请日:2023-02-28

    摘要: 一种动态时空语义联合嵌入的煤矿井下矿工轨迹识别方法,属于煤矿井下数据分析技术领域。利用煤矿井下矿工轨迹数据设计矿工轨迹识别模型,该模型实现了识别输入的轨迹数据属于哪一个矿工;包括:时间特征提取模块、空间特征提取模块、语义特征提取模块和联合表示学习模块。优点:从时间、空间和语义三个维度提取轨迹特征并联合学习特征表示;采用动态图嵌入方法来提取轨迹的时间维度特征,获取变长轨迹序列的长期时间依赖关系,并应用多头自注意力机制,提高对长序列的处理效率;采用图神经网络提取轨迹的结构拓扑信息,并融合外部因素的语义特征提高矿工轨迹识别准确度,从而为煤矿井下的轨迹数据挖掘和智能调度平台提供技术支持。

    一种基于自监督学习的煤矿井下人员动作识别方法

    公开(公告)号:CN116503947A

    公开(公告)日:2023-07-28

    申请号:CN202310502071.0

    申请日:2023-05-06

    摘要: 一种基于自监督学习的煤矿井下人员动作识别方法,属于视频识别领域。首先,对视频数据进行重采样;其次,将重采样后的视频数据处理成时空块序列;再次,将时空块序列经过掩码模块,得到原始时空块序列和掩码时空块序列;再次,将原始时空块序列输入到编码器组中,生成原始时空块序列的潜在表示并将生成的潜在表示和掩码时空块序列输入到解码器组中,得到重建后的视频片段,通过设计好的损失函数进行训练,得到预训练好的模型;最后将预训练好的模型经过微调模块,得到最终的动作识别模型。优点:采用自监督的方式进行训练,大大地降低了视频收集和标注的成本;对视频进行极高掩码比率的掩码操作,降低了模型训练的计算成本,提高了模型训练效率。