基于SE-AGCN的工人爬梯危险行为识别研究

朱文锐; 史东辉; 周欢; 黄瑞丰

doi:10.13873/J.1000-9787(2025)09-0059-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SE-AGCN的工人爬梯危险行为识别研究

研究与探讨 | 更新时间：2025-09-11

- 基于SE-AGCN的工人爬梯危险行为识别研究
- 暂无标题
- 传感器与微系统 2025年第9期页码：59-62+67
- 作者机构：
  
  1. 安徽新华学院大数据与人工智能学院
  2. 安徽建筑大学电子与信息工程学院
  3. 中国科学技术大学先进技术研究院涌现科技智能媒体计算联合实验室
- 作者简介：
- 基金信息：
  
  安徽省教育厅高校自然科学重点研究资助项目(KJ2021A1160)
- DOI：10.13873/J.1000-9787(2025)09-0059-04
  中图分类号： TP18;TU714;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
朱文锐, 史东辉, 周欢, 等. 基于SE-AGCN的工人爬梯危险行为识别研究[J]. 传感器与微系统, 2025,(9):59-62+67.
朱文锐, 史东辉, 周欢, 等. 基于SE-AGCN的工人爬梯危险行为识别研究[J]. 传感器与微系统, 2025,(9):59-62+67. DOI： 10.13873/J.1000-9787(2025)09-0059-04.

DOI：

摘要

为及时准确地检测在施工作业和日常生活攀爬梯子过程中的危险行为，现利用计算机视觉技术，提出基于挤压激励自适应图卷积网络(SE-AGCN)的工人危险爬梯行为识别模型。首先，通过在施工现场采集工人爬梯作业的相关视频，分析其中的安全与危险行为，来构建爬梯行为数据集；其次，通过姿态估计算法，提取工人行为的人体骨骼信息，并将其作为行为识别模型的输入；最终，构建通过挤压激励模块(SE Block)改进的自适应图卷积网络(AGCN)用于行为识别。实验结果表明，该方法具有较好的爬梯行为识别效果。同时，该方法将有助于保障施工人员人身安全，实现爬梯过程中的安全风险信息化预警。

Abstract

关键词

Keywords

references

刘耀,焦双健.ST-GCN在建筑工人不安全动作识别中的应用[J].中国安全科学学报,2022(04).

胡丽军,吴燕玲,宋全军,徐湛楠.基于ST-GCN警用巡逻机器人警情识别系统设计[J].传感器与微系统,2023(06).

唐艳,陈艺征,刘福,石碧耀,郭经红,梁云.基于非本征法珀干涉的自动温度补偿倾角传感器[J].传感器与微系统,2023(09).

郭志涛,魏英杰,陈中林,杨玉杰.基于树莓派的海上风电环境及设备监测系统设计[J].传感器与微系统,2023(08).

Lieyun Ding,Weili Fang,Hanbin Luo,Peter E.D. Love,Botao Zhong,Xi Ouyang.A deep hybrid learning model to detect unsafe behavior: Integrating convolution neural networks and long short-term memory[J].Automation in Construction,2018.

SangUk Han,SangHyun Lee,Feniosky Peña-Mora.Vision-Based Detection of Unsafe Actions of a Construction Worker: Case Study of Ladder Climbing[J].Journal of Computing in Civil Engineering,2013.

Houtan Jebelli,Changbum R. Ahn,Terry L. Stentz.Fall risk analysis of construction workers using inertial measurement units: Validating the usefulness of the postural stability metrics in construction[J].Safety Science,2016.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据