【技术实现步骤摘要】
本专利技术涉及基于改进图卷积网络的人体行为检测，尤其涉及一种基于改进图卷积网络的人体行为检测方法及系统。
技术介绍
1、近年来，随着配电网高空作业的不断增多，对于作业人员的安全监控和管理变得越来越重要。高空作业中，作业人员的行为是否规范、是否符合安全标准，直接关系到作业的安全和效率。因此，如何对高空作业中作业人员的人体行为进行准确、高效地检测，成为了当前研究的热点问题。
2、传统的人体行为检测方法主要基于手工特征提取和分类器设计，其性能受限于特征提取的质量和分类器的设计。随着深度学习技术的发展，基于深度学习的行为检测方法逐渐成为主流。其中，图卷积网络(graph convolutional network，gcn)作为一种新型的深度学习模型，在处理图结构数据方面展现出了强大的能力，逐渐应用于人体行为检测领域。
3、然而，现有的基于图卷积网络的人体行为检测方法在处理高空作业这种复杂场景时，仍面临着一些挑战。例如，高空作业环境复杂多变，作业人员的行为模式多样，传统的图卷积网络难以充分捕捉这些复杂的行为特征；同时，高空...
【技术保护点】
1.一种基于改进图卷积网络的人体行为检测方法，其特征在于，包括：
2.如权利要求1所述的基于改进图卷积网络的人体行为检测方法，其特征在于，所述目标作业人员历史作业视频集包括清除异物历史作业视频集、正常巡检历史作业视频集、紧急抢修历史作业视频集以及更换设备历史作业视频集。
3.如权利要求2所述的基于改进图卷积网络的人体行为检测方法，其特征在于，所述对所述历史作业视频集进行第一预处理包括：
4.如权利要求3所述的基于改进图卷积网络的人体行为检测方法，其特征在于，所述起始动作匹配集包括：第一匹配动作、第二匹配动作、第三匹配动作以及第四匹配
...
【技术特征摘要】
1.一种基于改进图卷积网络的人体行为检测方法，其特征在于，包括：
2.如权利要求1所述的基于改进图卷积网络的人体行为检测方法，其特征在于，所述目标作业人员历史作业视频集包括清除异物历史作业视频集、正常巡检历史作业视频集、紧急抢修历史作业视频集以及更换设备历史作业视频集。
3.如权利要求2所述的基于改进图卷积网络的人体行为检测方法，其特征在于，所述对所述历史作业视频集进行第一预处理包括：
4.如权利要求3所述的基于改进图卷积网络的人体行为检测方法，其特征在于，所述起始动作匹配集包括：第一匹配动作、第二匹配动作、第三匹配动作以及第四匹配动作；
5.如权利要求4所述的基于改进图卷积网络的人体行为检测方法，其特征在于，所述结合改进图卷积网络建立不同类别作业...
【专利技术属性】
技术研发人员：张玉波，芦宇峰，王乐，张炜，陈梁远，崔志美，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。