来源：期刊VIP网 时间：
作者：董贇;张希翔;艾徐华;银源;宁梓宏;李自品;
单位：广西电网有限责任公司信息中心;武汉大学电气与自动化学院;
摘要：结合电网巡检人员过程评价和监管的实际需求，针对人体行为复杂多变且检测目标尺度差异大等问题，提出一种基于改进AlphaPose的人体特征行为识别方法。该方法首先设计一种分阶段多尺度目标检测网络（改进SRCNN(super-resolution convolutional neural network)+ScaledNet）；然后用分阶段多尺度目标检测网络代替AlphaPose中的目标检测模块，并引入参数化姿态非极大值抑制算法，以提高人体姿态估计的速度和精度；最后利用改进人体姿态估计网络（分阶段多尺度目标检测网络+SPPE(single-person pose estimator)）进行人体姿态估计获取人体关节点序列图，并设计一种时空图卷积行为识别网络对人体特征行为进行识别。测试结果表明，所设计的分阶段多尺度目标检测网络的精度和速度分别达到90.85%和42.7帧/s；改进的人体姿态估计网络的精度和速度分别达到80.5%和20.3帧/s。应用案例表明，该方法对巡检人员特征行为识别的平均准确率高达94.75%。该方法可广泛应用于电力巡检或其他场景人员作业过程监管等领域。
关键词：特征行为识别;;多尺度目标检测;;人体姿态估计;;时空图卷积;;巡检过程监管
基金资助：广西电网有限责任公司科技项目（编号：046100KK52200002）
