基于改进双流法的井下配电室巡检行为识别

井下配电室监控视频持续时间较长且行为类型复杂，传统双流卷积神经网络（CNN）法对此类行为识别效果较差。针对该问题，对双流CNN法进行改进，提出了一种基于改进双流法的井下配电室巡检行为识别方法。通过场景分析，将巡检行为分为站立检测、下蹲检测、走动、站立记录、坐下记录5种类型，并制作了巡检行为数据集IBDS5。将每个巡检行为视频等分为3个部分，分别对应巡检开始、巡检中和巡检结束；对3个部分视频分别随机采样，获取代表空间特征的RGB图像和代表运动特征的连续光流图像，并分别输入空间流网络和时间流网络进行特征提取；对2个网络的预测特征进行加权融合，获取巡检行为识别结果。实验结果表明，以ResNet152