基于视频数据的煤矿井下不安全行为识别分析方法

煤矿井下员工的不安全行为是导致事故发生的主要原因，传统的矿工不安全行为防控主要依靠人来管控，智能化水平较低，难以实时自动发现并智能决策预警。文章将计算机视觉、深度学习相关技术结合，应用于煤矿井下员工不安全行为识别。基于YOLOv5目标检测算法、OpenPose人体姿态估计算法对视频数据中物的状态及人的行为进行分析，并提出一种行为判定方式，来识别矿工的不安全行为。将煤矿井下物的不安全状态及人的不安全行为进行结合，提出一种实时分析物的不安全状态和人的不安全行为的方法，有助于实现煤矿井下广泛场景中矿工不安全行为的自动识别，可用于应用层服务系统，实现预警等功能，为矿工不安全行为智能识别和预警提供新的思路和方法。