1、第4 0卷第1期河 北 工 业 科 技V o l.4 0,N o.12 0 2 3年1月H e b e i J o u r n a l o f I n d u s t r i a l S c i e n c e a n d T e c h n o l o g yJ a n.2 0 2 3 文章编号:1 0 0 8-1 5 3 4(2 0 2 3)0 1-0 0 2 7-0 6基于图像的地铁车站施工人员不安全行为识别研究祝铭悦1,牛梓儒1,万 勇2,朱仁迟1,张 丹1,郭海林1(1.中国地质大学(武汉)工程学院,湖北武汉 4 3 0 0 7 4;2.湖北兴发化工股份有限公司集团,湖北宜昌 4 4
2、 3 7 1 1)摘 要:为了解决人工监测不能实时看护和及时管理地铁车站施工人员的不安全行为等问题,构建了基于KNN,ML P和L S TM模型的不安全行为识别神经网络模型。首先,通过行为理论研究和现场调查分析,对地铁车站施工不安全行为进行了分类;其次,通过实验构建人体数据集,基于人体骨骼关节点提取不安全行为特征,并进行模型训练;最后,基于M o b i l e N e t V 1的S S D目标检测算法对施工人员进行定位和追踪,结合射线法判断目标是否跨越不安全区域并发出警报,搭建神经网络模型对施工人员的不安全行为进行识别,并获得计算识别率。结果表明:传统机器学习算法KNN总体准确率为9 3.
3、4 5%,优化后的ML P和L S TM两种神经网络模型总体准确率分别达到9 3.9 4%和9 3.6 8%,相对KNN算法分别提高了0.4 9%和0.2 3%。因此所提模型能有效识别施工人员不安全行为,可为地铁施工安全智能识别技术应用提供参考。关键词:安全管理工程其他学科;地铁车站施工;不安全行为;动作识别;模型优化中图分类号:X 9 4 7 文献标识码:A D O I:1 0.7 5 3 5/h b g y k j.2 0 2 3 y x 0 1 0 0 4收稿日期:2 0 2 2-0 8-2 1;修回日期:2 0 2 2-1 2-0 8;责任编辑:王海云基金项目:国家自然科学基金(5 2
4、 0 7 6 1 9 9)第一作者简介:祝铭悦(1 9 9 8),女,新疆库尔勒人,硕士研究生,主要从事安全管理学、人工智能和安全人机领域的研究。通信作者:郭海林副教授。E-m a i l:g u o h a i l i n c u g.e d u.c n祝铭悦,牛梓儒,万勇,等.基于图像的地铁车站施工人员不安全行为识别研究J.河北工业科技,2 0 2 3,4 0(1):2 7-3 2.Z HU M i n g y u e,N I U Z i r u,WAN Y o n g,e t a l.R e s e a r c h o n i d e n t i f i c a t i o n o f
5、u n s a f e b e h a v i o r s o f c o n s t r u c t i o n p e r s o n n e l i n s u b w a y s t a t i o n b a s e d o n i m a g e sJ.H e b e i J o u r n a l o f I n d u s t r i a l S c i e n c e a n d T e c h n o l o g y,2 0 2 3,4 0(1):2 7-3 2.R e s e a r c h o n i d e n t i f i c a t i o n o f u n
6、s a f e b e h a v i o r s o f c o n s t r u c t i o n p e r s o n n e l i n s u b w a y s t a t i o n b a s e d o n i m a g e s Z HU M i n g y u e1,N I U Z i r u1,WAN Y o n g2,Z HU R e n c h i1,Z HANG D a n1,GUO H a i l i n1(1.S c h o o l o f E n g i n e e r i n g,C h i n a U n i v e r s i t y o f G
7、 e o s c i e n c e s(W u h a n),W u h a n,H u b e i 4 3 0 0 7 4,C h i n a;2.H u b e i X i n g f a C h e m i c a l s G r o u p C o m p a n y L i m i t e d,Y i c h a n g,H u b e i 4 4 3 7 1 1,C h i n a)A b s t r a c t:I n o r d e r t o s o l v e t h e p r o b l e m t h a t m a n u a l m o n i t o r i
8、n g c a n n o t m o n i t o r a n d m a n a g e t h e u n s a f e b e h a v i o r o f s u b w a y s t a t i o n c o n s t r u c t i o n p e r s o n n e l i n r e a l t i m e,a n e u r a l n e t w o r k m o d e l o f u n s a f e b e h a v i o r r e c o g n i t i o n b a s e d o n KNN,ML P a n d L S T
9、M m o d e l s w a s c o n s t r u c t e d.F i r s t l y,t h e u n s a f e b e h a v i o r s i n s u b w a y s t a t i o n c o n s t r u c t i o n w e r e c l a s s i f i e d t h r o u g h b e h a v i o r a l t h e o r y r e s e a r c h a n d f i e l d i n v e s t i g a t i o n a n a l y s i s.S e c
10、o n d l y,t h e h u m a n d a t a s e t w a s c o n s t r u c t e d t h r o u g h e x p e r i m e n t s,a n d t h e u n s a f e b e h a v i o r c h a r a c t e r i s t i c s w e r e e x t r a c t e d b a s e d o n t h e h u m a n b o n e j u n c t i o n s,a n d t h e m o d e l t r a i n i n g w a s
11、c o n d u c t e d.F i n a l l y,t h e S S D t a r g e t d e t e c t i o n a l g o r i t h m b a s e d o n M o b i l e N e t V 1 l o c a t e d a n d t r a c k e d t h e c o n s t r u c t i o n p e r s o n n e l,a n d j u d g e d w h e t h e r t h e t a r g e t c r o s s e s t h e u n s a f e a r e a
12、a n d g i v e s a n a l a r m b y c o m b i n i n g t h e r a y m e t h o d.T h e n e u r a l n e t w o r k m o d e l w a s 河 北 工 业 科 技第4 0卷b u i l t t o i d e n t i f y t h e u n s a f e b e h a v i o r o f t h e c o n s t r u c t i o n p e r s o n n e l,a n d t h e c a l c u l a t i o n r e c o g
13、n i t i o n r a t e w a s o b t a i n e d.T h e r e s u l t s s h o w t h a t t h e o v e r a l l a c c u r a c y o f t h e t r a d i t i o n a l m a c h i n e l e a r n i n g a l g o r i t h m KNN i s 9 3.4 5%,a n d t h e o v e r a l l a c c u r a c y o f t h e o p t i m i z e d ML P a n d L S TM n
14、 e u r a l n e t w o r k m o d e l s i s 9 3.9 4%a n d 9 3.6 8%,r e s p e c t i v e l y,w h i c h i s 0.4 9%a n d 0.2 3%h i g h e r t h a n t h a t o f t h e KNN a l g o r i t h m.T h e p r o p o s e d m o d e l c a n e f f e c t i v e l y i d e n t i f y u n s a f e b e h a v i o r s o f c o n s t
15、r u c t i o n p e r s o n n e l,a n d c a n p r o v i d e r e f e r e n c e f o r t h e a p p l i c a t i o n o f i n t e l l i g e n t i d e n t i f i c a t i o n t e c h n o l o g y f o r s u b w a y c o n s t r u c t i o n s a f e t y.K e y w o r d s:o t h e r d i s c i p l i n e s o f s a f e t
16、y m a n a g e m e n t e n g i n e e r i n g;c o n s t r u c t i o n o f s u b w a y s t a t i o n s;u n s a f e b e h a v i o r;m o t i o n r e c o g n i t i o n;m o d e l o p t i m i z a t i o n 随着中国城市建设的快速发展,地面交通压力越来越大。为缓解城市交通压力,地铁项目相继开工,在建设过程中出现大量安全事故。近1 5年来,发生在施工阶段的地铁安全事故占比约为6 0%1,其中,人的不安全行为导致的安全事故占总数的7 0%9 8%2。由于在地铁车站施工中,人员的不安全行为复杂多样,传统的人盯人安全监管已不能满足现场管理需求;同时监控摄像头已广泛应用于施工现场,为图像识别提供了良好的硬件基础3。因此,有必要开展地铁车站施工人员不安全行为的图像识别研究,为实时监管施工人员的不安全行为提供科学依据。图像识别作为计算机视觉中的一个分支,近几年有了长足的进步和发展。目前,图像识别在人们的日常生活中十分常
