一种基于多模态融合与时空自适应图卷积网络的钢厂人员摔倒检测方法

本发明提出一种基于多模态融合与时空自适应图卷积网络的钢厂人员摔倒检测方法，旨在解决钢厂人员摔倒检测问题，提高工业生产安全性。在钢厂关键区域布置高清摄像头采集视频数据并收集公开数据集，专业团队标注位置、姿态、摔倒类型等信息，运用多种技术进行数据增强。选用YOLOv8为基础模型并引入CBAM注意力机制改进，融合AlphaPose姿态信息后经时空自适应图卷积网络处理，划分数据集训练并依性能指标调整策略。系统实现与部署方面，设计含多模块的监测预警系统，引入DeepSORT算法跟踪目标，采用视频处理和硬件加速手段嵌入模型，可本地或云端部署并测试优化。模型性能评估采用多指标体系及多样测试数据集，依评估结果从结构、数据等方面优化，建立持续优化机制。本方法提升了钢厂人员摔倒检测的准确性、实时性和可靠性，对工业安全生产有重要意义。