【技术实现步骤摘要】
本专利技术涉及行为检测，具体涉及一种基于自监督学习的工厂人员异常行为检测方法。
技术介绍
1、在工业生产环境中大部分的生产流程的共同点为依靠生产线进行生产，生产产品依次经过生产线的所有流程，在需要工人参与的阶段，大部分执行的是重复性的工作，然而这些工作是流水线生产系统的核心，因此有效的对工人工作情况进行监控，并检测非流程范围内的行为，对于提升工厂产品生产效率具有重要的意义。
2、目前，对于工作动作行为的监控主要分为两种手段，分别是基于可穿戴设备的以及基于摄像头的动作识别方法。基于可穿戴设备的监控方法，受制于移动设备的电量、工人活动便捷性、以及识别准确率的影响，无法大规模长时间进行行为监控与识别。基于摄像头监控的动作识别方法对于快速深度挖掘视频中的高层次信息有非常大的帮助。同时随着监控设备的发展，新型的彩色深度图像摄像机越来越多的应用在了监控领域，特别是室内监控领域。根据深度图像提供的额外深度信息能够较为准确的提取出人体骨骼三维信息，用以提高人体姿势、动作分析识别的准确性与高效性。
3、目前，国内外也有许多机构基于...
【技术保护点】
1.一种基于自监督学习的工厂人员异常行为检测方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于自监督学习的工厂人员异常行为检测方法，其特征在于，步骤S1具体包括如下步骤：
3.根据权利要求2所述的一种基于自监督学习的工厂人员异常行为检测方法，其特征在于，步骤S1还包括如下步骤：
4.根据权利要求3所述的一种基于自监督学习的工厂人员异常行为检测方法，其特征在于，步骤S1还包括如下步骤：
5.根据权利要求1所述的一种基于自监督学习的工厂人员异常行为检测方法，其特征在于，步骤S2包括如下步骤：
...
【技术特征摘要】
1.一种基于自监督学习的工厂人员异常行为检测方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于自监督学习的工厂人员异常行为检测方法，其特征在于，步骤s1具体包括如下步骤：
3.根据权利要求2所述的一种基于自监督学习的工厂人员异常行为检测方法，其特征在于，步骤s1还包括如下步骤：
4.根据权利要求3所述的一种基于自监督学习的工厂人员异常行为检...
【专利技术属性】
技术研发人员：李臻，张元明，姜伟，张群浩，丁善洋，
申请(专利权)人：青岛大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。