云 旭，宋焕生，梁浩翔，侯景严，戴 喆

长安大学 信息工程学院，西安 710064

关键岗位的人员行为分析指的是对在岗人员的一些行为动作进行理解分析，这对安全预警、高效生产起着至关重要的作用。

行为分析是未来人工智能的一个重要研究领域，也是计算机视觉的一个热门研究课题。现有的行为分析算法分为基于视频和静态图像的两种分析方法[1]。其中基于视频的行为分析方法使用的是视频帧序列之间的时空、场景、姿态等上下文特征识别理解，根据不同的实现方式，大致分为基于模板匹配[2]、基于马尔科夫链状态转移图[3]以及基于深度学习的方法。其中基于深度学习的方法有根据人体行为进行分类的方式[4]、人体部位识别及跟踪的方式[5]；而基于静态图像的方法则是判断每一帧图像中人的行为状态，例如：人体姿态分析[6]、人物交互关系[7]等。上述方法大多着重于单帧图像的分析方法，未对视频的上下文信息综合进行分析。本文根据先前的研究，提出了基于深度学习的关键岗位人员行为分析系统。

关键岗位人员行为分析包含各种目标的检测，属于目标检测的范畴。传统的目标检测一般分为三个阶段：首先是使用不同尺度的滑动窗口提取感兴趣区域；再针对感兴趣区域提取其中特征，这一般采用HOG[8]、SIFT[9]等特征提取方法；最后选择合适的分类器进行分类，如支持向量机SVM[10]、AdaBoost[11]等。随着近几年计算机计算能力的提高以及深度学习的兴起，深度神经网络的出现给特征提取提供了一种新的思路。……