中国安全科学学报

作者：李华, 吴立舟, 钟兴润, 郭粮玮, 崔煜馨

单位：西安建筑科技大学 资源工程学院,陕西 西安 710055

关键词：计算机视觉,疲劳状态,不安全行为状态,塔吊驾驶员,YOLOv5

基金：西安建筑科技大学创新创业训练计划项目(X202410703391)

以提高塔吊操作的安全性和效率为案例,提出一种综合识别疲劳状态和不安全行为的方法,以实时发现驾驶员可能存在的安全隐患。通过摄像头捕获实时视频流,并对视频进行分析和预处理,提取关键信息,用于识别后续的疲劳和不安全行为;在疲劳状态识别方面,采用基于眼睛和嘴部状态的分析方法,重点监测眼睛开闭状态、眨眼频率及哈欠次数等生理指标;在不安全行为识别方面,结合计算机视觉与深度学习技术,实时检测驾驶员的潜在危险操作,从而确保及时发现安全风险。结果表明:经过优化后的YOLOv5-高效通道关注(ECA)模型在疲劳状态和不安全行为识别中性能得到显著提升;模型在测试集上的精确率和召回率均超过90%,展现出良好的识别能力。

来源：2025年第3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3期