买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于构造式联邦学习的矿井人员违规动作识别方法，包括：步骤1，获取历史视频，提取皮带矿工行为特征数据，标注行为类别并整理为各矿区本地矿工行为数据库；步骤2，各违规辨别终端构造本地网络模型最优隐层节点并计算本地网络模型当前方差；步骤3，聚合云构造聚合增隐层节点；步骤4，各违规辨别终端接收聚合增隐层节点，更新各违规辨别终端的新增隐层节点参数，判断是否继续进行构造式联邦学习；步骤5，通过违规辨别终端分辨矿工行为类别。本发明保证了各方数据的隐私性，解决了各矿区数据的孤岛问题，即每个矿区仅有本矿区的矿工行为数据，所训练的模型识别效果有限。本发明在保证各厂区数据安全的情况下联合训练出识别效果更好的模型。

主权项：1.一种基于构造式联邦学习的矿井人员违规动作识别方法，其特征在于，包括以下步骤：步骤1，通过安装在两个以上矿区皮带传送机上方的RGB摄像机获取各矿区皮带区域矿工作业行为的历史视频，使用人体骨架提取工具从视频流数据中分析提取皮带区域矿工行为的特征数据，标注行为类别并整理为各矿区本地矿工行为数据库；步骤2，设置构造式联邦学习聚合云，每个矿区作为一个违规辨别终端，参与构造式联邦学习，在违规辨别终端构造本地网络模型时，以各矿区本地矿工行为数据库作为特征数据库，从零网络开始，逐渐增加隐层节点，本地网络模型每新构造一个节点，首先随机配置两组以上具有不同参数的隐层节点，进而以使判别式值最大为原则，选取最优隐层节点，将最优隐层节点及违规辨别终端本地网络模型当前方差传输至聚合云；步骤3，聚合云接收所有违规辨别终端的最优隐层节点进行自适应参数聚合，构造出聚合增隐层节点，并将聚合增隐层节点传输至各违规辨别终端；步骤4，各违规辨别终端接收聚合增隐层节点，更新各违规辨别终端的新增隐层节点参数，并计算本地网络模型输出权值参数，得到当前本地网络模型识别误差，根据各违规辨别终端的设定，判断当前本地网络模型识别误差是否满足违规辨别终端内皮带区域矿工行为违规动作识别精度要求，如果满足，则违规辨别终端退出构造式联邦学习；否则返回步骤2，继续构造新的隐层节点，进行下一轮联邦学习；步骤5，违规辨别终端完成构造式联邦学习后，根据皮带区域矿工作业实时的行为特征来分辨矿工行为类别。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种基于构造式联邦学习的矿井人员违规动作识别方法