随着我国铁路运营里程的不断增加,铁路线路的安全压力也越来越大,对线路的维护要求也越来越高,对现场施工人员的工作效率、安全性也提出了更高的要求。因此,利用现代通信和信息技术实现铁路运营、维修和管理的自动化与智能化是必然的发展趋势。然而,目前多数铁路工务段在作业防护时依然采用人工方式,由于作业人员的现场行为得不到实时的监控,安全事故时有发生。针对该问题,在分析了现有铁路工务作业安全防护系统的基础之上,提出了在工务作业监控系统中加入人员行为识别的设想,以探伤工的现场作业行为为研究对象,研究了作业人员的行为特点和人体行为识别方法,设计并实现了铁路工务作业远程监控系统并进行了测试。论文的主要工作包括以下几方面:首先,研究了基于穿戴式传感器的人体行为识别方法。主要包括:1)行为数据采集的方法;2)倾斜矫正、去噪、分割、标记的方法以及8类特征值的提取方法;3)kNN、C4.5决策树、随机森林和SVM四种识别算法。其次,对监控系统的需求进行了分析并进行了总体方案设计。分析了铁路工务人员现场作业的7种主要行为;分析了系统的功能需求和性能需求;将系统进行了结构划分;设计了系统的各个功能模块;对系统主要的3类实体进行了抽象描述,分析了各实体的输入输出数据流;对客户端软件的数据库进行了设计。再次,完成了监控系统的设计与实现。主要包括:行为数据预处理及特征提取的实现,分类器生成模型的基本原理分析、模型的训练和调用;服务器软件、人员行为监控装置和列车预警装置通信软件的设计与实现;Web客户端软件中管理员登录、用户管理、任务创建、历史查询、数据包解析与处理、GIS监控等模块的设计与实现。最后,对算法的性能和监控系统的功能做了测试。采集了8人的行为数据,并做了预处理和提取特征,经过Weka机器学习平台10折交叉验证后得到了四种算法的混淆矩阵,结果表明:四种算法的识别效果都较好,其中SVM识别率最高。以SVM作为行为识别的算法并进行了功能测试,测试结果达到了预期,表明该方案能满足对作业人员行为进行远程监控的需求,及时发现危险的存在,具有一定的工程应用价值。