基于ST-GCN警用巡逻机器人警情识别系统设计

胡丽军; 吴燕玲; 宋全军; 徐湛楠

doi:10.13873/J.1000-9787(2023)06-0078-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于ST-GCN警用巡逻机器人警情识别系统设计

设计与制造 | 更新时间：2025-09-11

- 基于ST-GCN警用巡逻机器人警情识别系统设计
- 暂无标题
- 传感器与微系统 2023年第6期页码：78-81
- 作者机构：
  
  1. 安徽大学电气工程与自动化学院
  2. 中国科学院合肥物质科学研究院智能机械研究所
- 作者简介：
- 基金信息：
  
  安徽省重点研究和开发计划资助项目（201904d07020007,202004a07020051）;中国科学院合肥物质科学研究院院长基金资助项目（YZJJ2020QN17）
- DOI：10.13873/J.1000-9787(2023)06-0078-04
  中图分类号： D631.1;TP242;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
胡丽军, 吴燕玲, 宋全军, 等. 基于ST-GCN警用巡逻机器人警情识别系统设计[J]. 传感器与微系统, 2023,(6):78-81.
胡丽军, 吴燕玲, 宋全军, 等. 基于ST-GCN警用巡逻机器人警情识别系统设计[J]. 传感器与微系统, 2023,(6):78-81. DOI： 10.13873/J.1000-9787(2023)06-0078-04.

DOI：

摘要

针对现有警用巡逻机器人警情识别系统识别种类单一、识别率较低等问题，基于时空—图卷积网络（ST-GCN）和OpenPose算法的融合，面向跌倒（fall）、打砸（smash）和推搡（push）3种警情，设计了警用巡逻机器人警情识别系统。通过在真实场景测试，3种警情识别率分别为：跌倒85%，打砸80%，推搡83%；实时识别帧率为10 fps。实验结果表明：所设计的警情识别系统可以实现多种警情的实时、准确、可靠识别，具有较高的应用价值。

Abstract

关键词

Keywords

references

基于OpenPose的人体动作识别对比研究[J]. 杨君;张素君;张创豪;黄晶晶.传感器与微系统,2021(01)

一种机器视觉的安防巡逻机器人系统设计[J]. 田佳;刘泓滨;王宇;桂林.机械设计与制造,2020(11)

基于深度学习的时空特征融合人体动作识别[J]. 王倩;孙宪坤;范冬艳.传感器与微系统,2020(10)

基于几何特征与LSTM网络结合的动作识别算法[J]. 邬倩;吴飞;骆立志.传感器与微系统,2020(10)

基于机器视觉的目标识别追踪算法及系统设计[J]. 杨宇;刘宇红;彭燕;孙雨琛;张荣芬.传感器与微系统,2020(04)

基于关键帧和骨骼信息的人体动作识别方法[J]. 李顺;郭星;吴建国.传感器与微系统,2019(11)

楼宇巡查机器人的设计与研究[J]. 赵宏伟;徐叶军.电脑知识与技术,2019(21)

智能校园巡逻机器人的设计[J]. 未庆超;张曙光;曹忠尉;姚鑫;李子仟;杨玉静.电子测试,2019(09)

基于人体骨架序列的手扶电梯乘客异常行为识别[J]. 田联房;吴啟超;杜启亮;黄理广;李淼;张大明.华南理工大学学报(自然科学版),2019(04)

A Deep Learning and Depth Image based Obstacle Detection and Distance Measurement Method for Substation Patrol Robot[J]. Xu Hongsheng;Hongsheng Xu;Tianyu Chen;Qipei Zhang;Jixiang Lu;Zhihong Yang.IOP Conference Series: Earth and Environmental Science,2020

浏览量

209

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于视觉识别和多传感器的跌倒检测系统设计