基于深度学习的地铁施工作业人员不安全行为识别与应用

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。