王庆文，胡海洋

(杭州电子科技大学 计算机学院,浙江 杭州 310018)

随着信息技术和制造技术的发展，智能制造已成为工业生产领域的一个重要趋势。工作流识别作为智能制造的一大技术方向，也在进行着快速的变更和革新[1]。一般来说，一个工作流通常被看作是一系列独立活动组成的序列。传统的工作流识别技术主要采用过程挖掘技术，即从业务过程信息系统产生的系统日志中提取和分析业务执行的相关内容，从而调整业务流程或生产决策。文献[2]提出了一个基于大数据和流程挖掘的制造数据分析系统，该系统从各类数据中提取事件日志，并使用流程挖掘分析日志。

由于智能监控的普及与深度学习技术的进步，越来越多的基于深度学习的计算机视觉方法被应用到了实际环境中[3-4]。现阶段工业制造中的工作流识别方法渐渐转向了基于计算机视觉的工作流识别。由于监控视频的实时生成数量较多，工作流识别在相关方法的检测速度上有一定的要求。在早期基于视觉的工作流识别中，文献[5]提出了一种基于三维卷积神经网络的工作流识别方法。该方法通过对多个视角对视频特征进行提取以及融合，判断出此时工作流的类别。该方法虽然融合了多个角度的视频特征，但是无法对视频中的活动进行时序定位。因此，本文将工作流识别方法的重心从行为识别[6]转向了时序行为检测[7]。与基于行为识别的工作流识别不同，基于时序行为检测的工作流识别方法还包括活动在时序上的定位，即活动的开始时间和结束时间。……