Based st-gcn dangerous action recognition system，基于ST-GCN图卷积神经网络的危险动作识别系统

该项目为计算机专业本科生课程设计，也可以用为毕业设计，是针对香港中文大学的ST-GCN开源项目的二次开发应用，论文地址为：Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition.

项目背景：

  2020年6月，工信部发文印发《关于进一步加强工业行业安全生产管理的指导意见》，提出要推动人工智能等新一代信息技术在安全生产领域广泛应用。随着智慧城市建设和工业互联网的不断发展，危险动作识别系统受到了学术界和工业界越来越多的关注。危险动作识别系统可以实时监测和分析人们的动作和识别在具体环境下潜在的危险行为从而可以及时采取相应的预防措施。危险动作识别系统在保障人身安全、工业安全和医疗保健等领域中都具有重要的研究意义。
  工业领域常涉及高风险的任务和操作，如建筑业安全事故频发，工人不安全行为是安全事故发生的主要原因之一。通过安装危险动作识别系统，可以实时监测工人的行为，并对存在潜在危险的动作进行识别和警示，从而降低事故风险、提高工作场所的安全性。在医疗保健领域，特别是对于老年人和患有特殊疾病的人群，如帕金森病患者，他们常常面临着摔倒和其他危险动作的风险。危险动作识别系统同样可以用于家庭环境中，监测儿童或老年人的动作，及时发现潜在的危险行为，如攀爬高处、离开家庭区域等，以保障家庭成员的安全。随着汽车保有量的不断增加，因危险驾驶行为引发的交通事故屡增不减，驾驶员突发疾病因救助不及时导致的悲剧也时有发生。危险动作识别系统可以通过监测驾驶员的动作，如疲劳驾驶、分心驾驶、打电话驾驶等危险行为，系统可以及时提示驾驶员并采取相应的安全措施，减少交通事故的发生。

系统架构

  图为该项目的主要技术架构图，系统基于Vue.js,Element Plus作为核心框架构建系统前端用户界面,利用Django框架进行服务端数据解析和逻辑处理，采用前后端分离的开发模式。此外利用pytorch搭建神经网络，openpose提供姿态估计，MySQL数据库负责数据的存储。在界面美观、代码简洁、功能完善的基础上，能够保证稳定运行与用户的顺利访问实现了相关功能。

接口规范

数据库设计

系统算法

系统功能

登录、注册、密码重置

动作识别

其他模型试用

以上就是该项目的全部内容，代码与项目介绍PPT地址均为：https://github.com/VeritasYin/STGCN_IJCAI-18。