中国安全科学学报

作者：范冰倩, 董秉聿, 王彪, 李铭, 吴松, 佟瑞鹏

单位：1 中国矿业大学(北京) 应急管理与安全工程学院,北京 10008；2 中国职业安全健康协会,北京 100029

关键词：深度学习,地铁施工,不安全行为识别,作业人员,更快速的基于区域的卷积神经网络(Faster R-CNN),人脸识别

基金：北京市自然科学基金资助(8212015); 国家自然科学基金资助(52074302)

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明:该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。

来源：2023年第1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2023年第1期