在车间生产过程中,鉴于人员活动的主观能动性和高度不确定性,人员管控一直是车间生产活动中的主要难点和关键环节。出于安全考虑,许多军工产品(如:航天复杂机电产品)在制造过程中对危险车间(火工品生产车间)中不同区域的人员数量及位置分布有严格的要求,局部区域过高的人员密度极易造成灾难性安全事故。如果能够对火工车间中人员的数量及位置分布进行有效管控,既能保障安全生产,又能提升生产效率,提高产品质量。论文介绍了危险车间的现状,对人员管控系统进行了需求分析,设计了系统的总体架构,提出了一种基于计算机视觉的危险车间人员检测与定位方法,包括三个阶段:实时人员检测、多源数据融合、多区域人员定位。首先在车间内部署多个全方位监控的摄像头,对摄像头进行标定,从监控视频中获取同步视频帧图像,然后进行分析:1)实时人员检测:利用本文提出的三阶段级联卷积神经网络(3-Stage CCNN)识别图像中的作业人员,提取人员在像素坐标系中的位置信息;2)多源数据融合:融合多张图像的识别结果,消除摄像头监控重叠区域人员重复识别的问题,实现对人员数量的管控;3)多区域人员定位:将人员的位置信息由像素坐标系映射到世界坐标系,获取实际车间人员的位置坐标,实现对人员位置的管控。通过上述研究工作,能够全方位、全时段获取车间内人员的数量和位置信息,并同步呈现在Web可视化界面上。最后,设计并开发了危险车间人员检测及定位系统,该系统已经交付试验单位试运行。本项工作将大大降低安全监管工作对人的依赖性。同时,系统的成功实施为构建车间人员的数字孪生体探索了新的道路。