来源：期刊VIP网 时间：
作者：姚有利;王冲;侯艳文;刘怡汝;戴智
单位：1.山西大同大学煤炭工程学院
摘要：煤矿事故的根本原因在于作业人员的不安全行为。目前，在井下作业中，对不安全行为的检测仍以人工巡查为主，效率低下且漏检率高。现有研究大多聚焦于单一的不安全装束或行为识别，缺乏对多类不安全行为的综合性研究与实际应用。为此，设计了一套基于深度学习的矿工不安全行为识别与预警系统。系统将不安全行为划分为静态不安全装束和动态不安全行为两类，并构建了贴合井下环境的专用数据集。静态装束识别部分采用YOLOv8n模型进行目标检测，动态行为识别部分借助OpenPose提取人体骨骼关键点，并结合时空图卷积网络(Spatial Temporal Graph Convolutional Networks, ST-GCN)网络实现高效识别。系统还集成可视化界面，支持实时预警反馈。该系统的研发不仅为煤矿安全生产提供了技术支撑，也为井下不安全行为研究提供了实践基础。
关键词：安全工程;YOLOv8n;OpenPose;时空图卷积网络;预警系统
基金资助：大同科技项目(2023067); 山西大同大学2022年度产学研项目(2022CXY5); 山西大同大学2024年研究生实践创新类项目(2024SJCX14)
