近年来,生产安全事故频繁发生,每次事故也必然会导致一定的生命财产损失,因此生产安全问题一直都是不可忽视的难题。研究发现,人为过失往往是造成生产安全事故发生的重要原因之一,而传统的监控视频无法实现对导致事故的危险行为及时识别并提醒制止。本文旨在通过人体行为识别技术来研究制造业生产过程中的安全管理问题,利用智能监控系统对危险行为进行实时识别并及时提醒制止,以降低生产安全事故的发生率。本文以昆明理工大学工程训练中心的实训车间为研究背景,针对实训车间的特点和现状,以及各车间中潜在的危险行为来研究解决生产安全问题的智能监控系统。实训车间智能监控系统在姿态估计(OpenPose)算法得到的人体骨骼图基础上实现,系统核心功能包括入侵检测、多目标跟踪以及危险行为识别。人体行为识别模型基于深度神经网络(Deep Neural Networks,DNN)进行搭建,将原始数据集通过格式转换和OpenPose算法预处理后得到的人体骨骼图关键节点坐标数据作为新的数据集,在新的数据集基础上完成行为识别模型的训练、评估和测试。系统界面以Py Qt5作为GUI框架进行开发,后台的算法和前端的界面均采用Python语言实现。系统共包括六大模块,分别是行为识别模型构建模块、注册及登录模块、视频采集模块、入侵检测模块、多目标跟踪模块和行为识别模块。入侵检测模块利用OpenPose算法检测监控视野中是否有人员出现从而实现入侵检测功能。多目标跟踪模块采用Deep SORT物体跟踪算法实现了多目标跟踪和人数统计的功能。行为识别模块实现了人体行为识别功能,并能对特定危险行为做出警示提醒。通过评估测试,本文所构建的人体行为识别模型平均识别精度达到98.63%,开发的实训车间智能监控系统原型功能正常且运行流畅,表明本文构建的行为识别模型有效,采用的关键技术和解决方案可行。