一种基于Openpose的车间人员作业行为识别方法

摘要

生产车间中常因作业人员的操作失误而引发事故,为降低其中的安全隐患,需要提高作业人员的操作规范性.本文提出一种基于Openpose的车间人员作业行为识别方法:以车间人员的作业行为姿态为研究对象,采集4种典型动作的视频流作为数据集;对数据进行预处理后,使用Openpose抽取每一帧中的人体关节点信息,并以此作为输入、以行为标签作为输出,通过长短期记忆网络(LSTM)进行监督学习、训练与优化,得到行为识别的深度网络模型;最后通过改进的滑窗算法对长时间的监控视频进行行为片段的提取,并作为输入导进模型进行实时的行为检测与识别.通过实验,该方法在测试集中达到了94％的识别准确率,可用于作业人员的操作规范性监测,保障车间的安全高效运作.