ST-GCN在建筑工人不安全动作识别中的应用

作者：刘耀; 焦双健

来源：中国安全科学学报, 2022, 32(04): 30-35.

DOI：10.16265/j.cnki.issn1003-3033.2022.04.005

• 时空图卷积网络(ST-GCN)
• 建筑工人
• 不安全行为
• 动作识别
• AlphaPose
• 长短期记忆网络(LSTM)

为准确及时地识别施工现场工人的不安全动作，运用计算机视觉的方法，结合图像识别技术和建筑安全知识，提出一种基于骨架的实时识别方法。将姿态估计算法与动作识别算法结合搭建组合模型，通过全面的数据进行模型训练，进而实现动作分类和不安全动作的识别，其中，AlphaPose用于姿态估计提取骨骼关键点坐标位置，时空图卷积网络(ST-GCN)用于动作识别，并通过试验进行验证。结果表明：该方法识别爬梯危险动作的准确率可以达到98.48%,同时，ST-GCN与支持向量机、随机森林、长短期记忆网络(LSTM)相比，具有更强的泛化能力。该方法通过对现场工人的不安全动作进行实时识别和预警，可改善传统安全管理模式，提高安全管理信息化水平。

• 单位
  中国海洋大学