中国安全科学学报

作者：王海泉, 于浩玮, 杨岳毅, 徐晓滨, 卜祥洲, KURKOVA P

单位：1 中原工学院 智能感知与仪器学院, 河南 郑州 450007；2 中原工学院 自动化与电气工程学院, 河南 郑州 450007；3 杭州电子科技大学 自动化学院, 浙江 杭州 310018；4 河南宏博测控技术有限公司, 河南 郑州 450040；5 圣彼得堡国立宇航与仪器制造大学 电子与激光仪器系, 俄罗斯 圣彼得堡 14-51

关键词：工业场景,多模态信息,信息融合,行为识别,证据推理(ER)策略

基金：河南重点研发专项项目(251111211600); 河南省科技攻关项目(242102320215); 河南省高端外国专家引进计划项目(HNGD2024032); 中原工学院学科实力提升计划项目(GG202412)

为预防工业场景下人员不安全生产行为所导致的安全事故,解决光线不佳、视野受限和遮挡等干扰情况下单一视觉模态动作识别效果不佳的问题,提出一种基于自适应证据推理(S-ER)策略,融合视频信息和惯性测量元件(IMU)信息的人员不安全行为决策方法。首先,构建基于注意力机制的多任务三维卷积模型(M-C3D),分析视频信息,运用融合注意力机制的一维卷积神经网络(1D-CNN)处理IMU信息;其次,运用证据推理(ER)策略实现决策级融合,并通过萤火虫优化算法构建不同环境条件下证据权重和可靠度的优化集合,确保视频和传感器模态信息的权重能够根据环境情况自适应调整;最后,通过德克萨斯大学达拉斯分校的多模态人员行为数据集(UTD-MHAD)和中原工学院的多模态人员行为数据集(ZUT-MHAD)验证模型的有效性。结果表明: 在存在干扰的工业场景中,S-ER 方法的识别准确率最高可达 98.53%,较传统多模态融合方法及单模态识别方法的最高值提升17.52%。

来源：2025年第8期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第8期