基于Kinect的地铁乘客不安全行为识别方法与实验*

为解决地铁视频监控技术对乘客不安全行为只记录不识别且较少考虑识别精确度的问题,提出1种基于Kinect传感器的高效识别方法。以Pelvis为向量起点和动作活动高频关节为终点构建识别特征向量;运用余弦定理获得标准动作与测试动作关节的最大角度差序列;以最大角度差为动作特征量建立相似度计算模型,运用动态时间规整算法（DTW）将初始结果转换为动作相似度。以相连关节法为对照组开展对比实验,结果表明:前者在抽烟、挥拳、挥手呼救等行为识别的准确度分别为91.7%,86.9%,89.2%,平均比对照组高4%以上,显著提高了地铁乘客不安全行为的识别率,可为地铁智能安全管控提供理论与技术依据。     

踩踏事故预防监控领域科学知识图谱研究*

为解决踩踏事故预防监控领域发展现状、发展趋势及发展脉络不清晰问题,运用可视化软件CiteSpace,对Web of Science核心合集及中国知网收集到的365篇相关文献开展知识图谱研究。结果表明:中国在踩踏事故预防监控领域发文量最多,占40.6%,其次为美国,占15.4%,29个国家间仅有25条合作连线;国内外研究热点集中于卷积神经网络等计算机视觉技术在踩踏事故预防监控领域应用;针对“踩踏事故预防监控”领域涵盖学术外延范围,国内外存在一定差别;梳理获得踩踏事故预防领域3条主要发展路径;以深度学习为主的技术研究是当前及未来一段时间研究热点。