识别和理解人的行为是未来车间人员安全管控的主要任务之一,也是人机共融技术的主要难点和瓶颈。复杂车间中关键生产工位较多,当前车间生产监视系统虽可用于事后追责,但难以实现全面、实时、同步管控。鉴于此,本文提出一种基于计算机视觉技术车间的人员行为识别方法,对车间关键工位点的生产行为进行智能识别、分析与管理决策。本文以某航天车间关键工位点生产人员实时行为识别项目为背景,提出了一种基于生产人员改进骨架模型的在线生产行为识别方法。首先基于Kinect深度传感器采集彩色、深度、人体骨架等不同数据流,基于车间行为离线分类,在线检测,手持物体等不同任务采集多种数据集,通过预处理和拓扑图表示等方法对骨架数据进行改进处理。继而针对离线的生产行为分类问题,构建基于图卷积神经网络的深度学习模型,实现生产行为的智能识别。针对在线车间行为识别问题,在图神经网络的基础上,结合时序卷积网络构建在线的生产行为实时检测模型,并在相关数据集上进行验证和分析。此外,考虑到生产车间中人员与环境场景有一定的交互,基于车间人员交互的多流数据,使用区域生长法与神经网络对生产人员手持物体进行识别。最后,在上述算法的基础上,开发了实时的车间生产行为识别软硬件系统,实现了车间人员行为的有效识别。上述方法在相关数据集和项目车间进行实验验证,达到了较好的效果,对规范生产车间制造过程,降低生产安全隐患,实现制造行为的多维度多层次的监控、记录与管理,具有重要的研究价值和现实意义。