在钢铁连铸过程中,若结晶器钢水液位发生异常波动,轻则影响产品质量,重则损坏生产设备、危及人身安全。同时,生产人员的动作行为也与整条产线的安全密切相关。多数传统工业产线上虽布设有视觉传感器,但未配备高效的后端图像分析系统。针对上述问题,本文提出了一套基于智能视觉的连铸浇注异常检测系统设计与实现方案。连铸浇注液位检测方面,本系统使用一种计算机视觉角度下的液位异常检测方法。该方法融合图像技术与动态建模思想,利用一组参数来衡量当前浇注液位安全情况,并在异常时进行报警。生产人员动作识别方面,本系统利用深度学习中的骨架建模与图卷积技术,首先检测连续视频中的人体骨架关键点,生成图结构,然后配合神经网络确定动作类别。为充分实现并验证上述功能,本系统主体融合通用监控平台框架完成开发工作。同时以软硬件结合的方式完成高清视频信号的采集、分割,并将其送入两个功能模块以减轻算法处理图像信号的负担。多阶段测试表明,本系统所用液位异常检测方法能在连铸过程中较为准确地捕捉漏钢、溢钢等液位异常,同时可以与厂内现有安全系统配合,提高异常报警准确度。异常动作识别功能可以对图像中工人动作给出一个较为准确的识别结果,辅助监控人员衡量安全系数。整套系统具备应用价值与升级空间。