一种基于增量学习的员工不安全行为后识别方法及系统

本发明公开了一种基于增量学习的员工不安全行为后识别方法及系统，属于视频分析领域。本发明针对现有检测模型面对多变场景下目标的检测能力弱，识别效果不佳的问题，通过对历史不安全行为视频进行提取和标注，构建数据集，利用YOLOv8模型构建基础目标检测模型，并结合对基础目标检测模型二次识别结果进行人工交互的数据，利用自适应KL散度和权重对基础目标检测模型进行定时的增量提升。同时本发明以企业现有的不安全行为识别系统为前端，基础目标检测模型与人工交互、模型定时增量模块为后端，构建了一种前后端共存的员工不安全行为后识别架构，既降低了本方法部署的成本和实施难度，也提高了模型面对多变场景的检测效果。