2023.27科学技术创新脚手架高空作业危险行为识别方法研究牛文良，张鹏峰（甘肃第七建设集团股份有限公司，甘肃兰州）引言在建筑工地中，为防止脚手架跌落事故的发生，建筑施工单位出台多项关于脚手架高空作业安全管理的政策和规章制度，但根据相关工作的实施进展可知，现有的政策并未能在施工现场发挥预期的约束效果[1]。根据大部分工程方的反馈，现阶段，亟需一种及时、有效、准确、快速的方法，进行脚手架作业过程的检查，通过此种方式，提高建筑工程项目的安全生产水平。然而，当前工地现场对于脚手架高空作业的安全检查，通常都是采用人工观察的方法实行，监理人员或安全员会每过数周或每月，向上递交一份书面检查报告。但此种检测方法效率较低，并且很难实现施工现场全场景、全天候的脚手架高空作业安全检查，所以不能及时发现并阻止脚手架安全事故的发生[2]。另外，基于文本的书面安全报告往往不能充分地反映出施工现场的安全危害，造成了许多安全隐患，极易引起脚手架跌落事故。为实现对脚手架安全事故的控制，下述将基于现代化技术的应用，进行高空作业危险行为的识别设计，以此种方式，避免施工现场由于脚手架操作不规范造成的安全事故发生。1脚手架高空作业危险行为识别方法研究1.1识别算法设计在此次研究中，为实现对脚手架高空作业危险行为的识别，引入ST-GCN图卷积网络算法作为识别算法的基础[3]。在该算法当中，可首先建立一个脚手架高空作业人员的人体骨骼序列，如图1所示。图1脚手架高空作业人员的人体骨骼序列图1中的结构是由Openpose提取的一系列人体骨骼在时间序列上的排序得到的。骨架图当中的每一个点均与脚手架高空作业人员的关节相对应[4]。各个关键均由两种形式的边交接，其中一种为空间边，另一种为时间边。在该构造的基础上，从空间维度和时间维度上获取后续危险行为识别所需信息[5]。与某一个像素点x为例，其图像的二维卷积结构当中，假设输入特征图为fin，在经过K×K的卷积核处理后，该特征的输出可写作：（1）式中：fout（x）代表特征输出；p代表采样函数；h代表采样像素点x的领域范围；w代表权重函数。在时空域上，图的卷积不仅要有某种空间结构，还要有某种时间结构[6]。文中给出的采样函数和权重函数都是仅反映了空间数据的结构性特征，而没有反映其时变性。然后，通过再一次求解标志组间的映射函数，获得了空间-时间关系图摘要：为实现对脚手架高空作业危险行为识别的准确识别，本文开展对其识别方法的设计研究。...
