摘要
本发明涉及一种基于多尺度融合图卷积网络的船舶智能安全监控方法,包括:构建船员非规范行为数据集;多尺度简化骨架序列建模;进行数据预处理;搭建基于多尺度融合图卷积网络的行为识别算法;进行模型预训练;进行模型训练与验证。采用骨架数据作为行为识别算法的输入,有效避免了因环境背景、光照变化等冗余信息带来的干扰。通过专注于人体的关节信息,可以提升行为识别的精度,尤其在复杂动态场景中,使得算法对非法行为的检测更为准确和稳健,从而增强船舶安全管理的智能化水平。
技术关键词
智能安全监控方法
多尺度
人体骨架
卷积网络模型
模型预训练
船舶
识别算法
序列
数据预处理方法
样本
随机梯度下降
坐标
动态场景
视频
单人
脚部
关节点
系统为您推荐了相关专利信息
结构特征提取
特征提取方法
特征提取系统
全局特征提取
局部特征提取
超分辨方法
低分辨率人脸图像
残差网络
多尺度特征提取
残差学习
路径规划方法
激光
石墨
路径优化算法
融合多尺度特征
检测网络模型
多尺度特征
单帧红外图像
上下文特征
卷积模块
数字孪生模型
子系统
机床
Modelica语言
装备