面向安全生产的人员异常行为视觉识别，关注使用视频监控系统和计算机视觉技术来识别可能危及工作安全的行为或活动。

这一领域的研究主要集中在如何通过算法自动解析视频内容，识别出非正常或危险的行为模式。以下是一些关键的研究内容：

1. 高级计算机视觉算法设计：

• 设计和实现能够准确识别人类行为的算法，尤其是在复杂的工业环境中。

• 利用深度学习，特别是卷积神经网络（CNN）和循环神经网络（RNN）来处理视频数据，识别可能的异常行为。

• 开发能够处理实时视频流的算法，以便进行即时分析和响应。

2. 异常行为的定义和标注：

• 与领域专家合作，明确定义何为异常或危险行为，建立标准和准则。

• 创建或扩展行为标注的数据集，这些数据集对于训练和验证视觉识别系统至关重要。

3. 多模态数据融合：

• 研究如何融合来自不同源（如音频、环境传感器、位置数据等）的数据，以改善异常行为的检测和理解。

• 解决在不同条件下（如不同光照、遮挡、角度等）保持高识别率的问题。

4. 场景理解和上下文感知：

• 开发算法来理解摄像头视角中的场景内容，包括工作区域的布局、正在使用的设备、周围环境等。

• 设计系统考虑上下文信息，以区分可能看起来相似但含义不同的行为（例如，一个人快速跑步可以是在锻炼，也可能是在逃离危险）。

5. 可解释性和决策支持：

• 增强系统的可解释性，确保人类操作员可以理解为什么系统会标记某些行为为异常。

• 集成决策支持工具，帮助人类操作员采取适当的响应措施。

6. 性能评估和验证：

• 制定标准测试程序，以便在多种条件和环境下评估系统的准确性、鲁棒性和实时性。

• 在真实世界的工作场所进行案例研究和试点测试，以评估系统在实际应用中的表现。

7. 伦理和隐私保护：

• 研究在确保工作场所安全的同时保护个人隐私的方法和技术。

• 开发用于保护视频数据和识别结果的安全协议，以遵守相关的数据保护法规。

通过这些研究内容，可以开发出更精确、更可靠的视觉识别系统，帮助预防工作场所事故，提高整体的职业安全健康水平。

本领域发表SCI和核心期刊论文7篇，硕士论文4部，国家发明专利2项。

研究成果在煤矿领域和交通运输领域获得了推广。

煤矿人员不安全行为识别预警（以后获得人员授权）

“两客一危”运输车辆驾驶员不安全行为识别预警（已经获得人员授权）