团队曹菁菁副教授与余宙、李鹏飞和闵艳萍三名本科生、黄齐贤研究生等合作撰写的学术论文《基于ST-AGCN算法的物流暴力分拣识别模型》，于2023年12月被北大核心期刊《交通信息与安全》（IF=1.7）收录发表。

《交通信息与安全》（Journal of Transport Information and Safety）是中国《公路运输领域高质量科技期刊分级目录》T1级期刊、《中国学术期刊影响因子年报》交通运输学科Q1区期刊，在交通运输学科和领域有较高影响力，各类期刊评价中在交通运输学科的155种期刊中排名8%～18%，北大中文核心期刊的学科排名第16；以交通运输系统为对象，围绕交通信息和交通安全2个主题，报道交通运输领域及其交叉学科具有创新性的基础理论研究、工程技术应用的优秀科研成果（新理论、新技术、新方法、新标准和新装备等）。

研究背景：随着电商的融入，我国快递业务量从2011年的37亿件，增加到2021年的1000多亿件，快递物流业务迎来持续高速增长的发展阶段。快递企业分拣技术的先进与否，很大程度上影响着企业，然而根据行业数据调查显示，在先进分拣设备及技术的应用上我国快递行业仍处于落后地位，快递人员暴力分拣现象普遍，为减少此类行为可采用基于图像的行为识别方法，但这种方法在实际场景中存在算法鲁棒性差、人体关节点数据难获取等问题。通过优化的暴力分拣行为识别模型，可以建立对物流快递企业员工的绩效考核系统，实施奖惩措施，减少频繁发生的暴力分拣行为，从而提高快递行业的服务满意度。

论文简介：本文针对物流暴力分拣问题难点，制作了1个物流暴力分拣行为视频数据集，研究了暴力分拣行为识别模型。通过树莓派采集室内外2种情景下的分拣视频数据，利用Pythonsocket模块实现视频图像实时传输，采用切片筛选规则除去非标准数据，应用OpenPose模型获取关节点数据。针对一般人体行为识别网络模型无法较好反映暴力分拣关节点对动作重要影响程度的问题，研究了以ST-GCN为主干网络的优化图神经网络模型ST-AGCN。利用空间注意力机制学习不同关节点对于各种动作的影响，以更新各关节点的权重；通过增加自适应图结构层以端到端学习方式将人体骨骼图的拓扑结构与网络参数共同优化，突出关联度高的关节点对动作识别的影响。以室内外环境下暴力分拣视频为对象开展和多种深度学习模型的对比实验和消融实验，验证了ST-AGCN的优越性以及空间注意力机制和自适应图结构层的有效性。

In response to the issue of violent sorting which is prevalent within the express logistics industry, a video dataset is generated to capture instances of violent sorting behaviors in logistics, and a model is developed to identify such behaviors in this paper. Video data from both indoor and outdoor scenarios is collected, with real-time video image transmission achieved using the Python socket module. Screening rules are applied to eliminate non-standard data, and the OpenPose model is employed to obtain joint data. To address the limitation of general recognition network in reflecting the impact of joint points on actions, an optimized graph neural network is developed based on ST-GCN. The spatial attention mechanism is used to understand the influence of different joints on various movements, updating the weight of each joint. The topology and network parameters of the human bone map are optimized through end-to-end learning to emphasize the influence of key joints on action recognition. Comparative and ablation experiments are conducted on various deep learning models using violent sorting videos captured in indoor and outdoor environments. The ST-AGCN model is also suitable for complex logistics sorting scenes in cluttered indoor and outdoor environments and partial occlusion, and verifies the superiority of ST-AGCN and the effectiveness of the spatial attention mechanism and the adaptive graph structure layer.

主要完成本科生简介：

余宙，女，武汉理工大学交通与物流工程学院本科生，华中科技大学管理学院研究生，主要研究领域为供应链金融，研究成果发表在《交通信息与安全》。

主要完成研究生简介：

黄齐贤，男，武汉理工大学交通与物流工程学院硕士研究生，主要研究领域为视频图像识别技术，研究成果发表在《交通信息与安全》。