来源：期刊VIP网 时间：
作者：张旭辉;余恒翰;杜昱阳;杨文娟;赵亦辉;万继成;王彦群;赵典;汤杜炜;
单位：西安科技大学机械工程学院;西安科技大学陕西省矿山机电装备智能检测与控制重点实验室;西安煤矿机械有限公司;
摘要：井下人员危险行为检测是煤矿安全防控的关键环节。现有目标检测技术用于人员危险行为检测时，受煤矿井下复杂工况、设备遮挡、多目标密集、粉尘干扰等因素影响，存在特征提取不准确等问题，且未明确界定人员危险行为。以YOLOv8-pose模型为基准架构，采用DCNv4和PConv模块融合的DCNv4-PConv混合模块代替标准卷积，添加混合局部通道注意力（MLCA）模块，并采用感受野注意力卷积（RFAConv）模块替换检测头，构建了PMR-YOLO模型，用于检测井下监控图像中人体关键点，提升检测精度和运算速度。在此基础上设计了人员行为识别算法，将井下人员行为划分为9种类别，基于YOLOv8-pose模型检测的人体关键点形成人体骨架，判断人员行为类别型。采用DsLMF+数据集进行消融实验、对比实验和人员行为识别实验，结果表明：DCNv4-PConv混合模块、MLCA模块、RFAConv模块的引入有效提高了YOLOv8-pose模型的精确度、召回率和平均精度均值（mAP）;PMR-YOLO模型对人体关键点特征提取的精确度、召回率和m AP分别为0.893,0.841, 0.852，较YOLOv8-pose模型分别提高了6.9%,14.4%,10.5%；基于PMR-YOLO模型的检测方法可有效识别井下人员9种行为类别，识别准确率均不低于96%。
关键词：视频识别;危险行为检测;人员行为识别;YOLOv8-pose模型;人体关键点检测
基金资助：国家自然科学基金资助项目（52104166,52174150）; 陕西省关键核心技术攻关重点项目（2024CY2-GJHX-35）; 陕西省博士后科研资助项目（2024BSHYDZZ007）
