1.一种化工厂工人异常行为识别与预警方法，其特征在于，包括如下步骤：步骤1：针对化工厂工人异常行为特点，采集视频数据，建立异常行为数据集；

步骤2：对采集到的视频数据，将其转化为图片帧，通过OpenPose算法获取到人体骨骼数据；

步骤3：建立改进的STGCN模型，所述改进的STGCN模型为在GCN和TCN中加入Self‑Attention机制；

所述步骤3中建立改进的STGCN模型，具体步骤如下：

步骤3.1：在TCN中采用缩放点积注意力，查询矩阵query与键矩阵key进行点积得到对应的权重；进一步通过Softmax函数进行归一化处理，最终加权得到注意力，具体公式如下：其中，Q为查询矩阵，K为键矩阵，V为数值矩阵，A为输入矩阵；

步骤3.2：选取人的关节点作为顶点，相邻关节点之间进行连接；在工人行为分类任务中，首先人体的骨骼点作为图的节点，骨骼点之间的物理骨架连接作为图的边，然后通过图卷积神经网络这样的模型学习不同骨骼点的位置信息和时间信息得到高阶特征，最后根据学习到的特征做行为分类；

步骤3.3：采用注意力机制实现对工人关节点之间进行不同程度的关注，选取重心点为胸口处的骨骼关节点，其余关节点到重心点连线定义为L,具体实现公式如下：其中， 表示其余骨骼关节点到重心点的平均距离，大小表示骨骼关键点到重心点的远近；

步骤3.4：通过两个网络层结合对时间和空间特征进行提取后，利用softmax函数完成分类预测最终工人的行为，具体公式如下:Y＝softmax(Wa·Va+Wb·Vb) (4)

式中Wa和Wb分别表示两层的权重矩阵，Va和Vb表示两层的网络模型；

步骤4：通过步骤2获取的数据送入改进的STGCN模型训练，并使用改进的天鹰优化器算法AO对STGCN模型中的超参数进行优化，得到化工厂工人异常行为识别模型；所述改进的AO算法为在AO算法的初始化过程中，使用拉丁超立方代替其原始初始化方法，在天鹰第三种捕食方法中引进社会自由觅食策略；

步骤5：利用步骤4中训练优化后的化工厂工人异常行为识别模型对化工厂监控下的工人行为进行识别，得到工人异常行为识别结果；

步骤6：对于步骤5中获取的工人异常行为识别结果进行前端界面展示，便于监管人员处理，并进行判断是否需要通过警铃提醒工人行为状态是否正确。

2.根据权利要求1所述的一种化工厂工人异常行为识别与预警方法，其特征在于，所述步骤2中利用OpenPose算法获取到人体骨骼数据，OpenPose算法分解步骤如下：步骤2.1：输入大小为w×h的包含人物的图像，经过VGG‑19网络得到人体特征F；

步骤2.2：特征图进入平行的两分支网络对人体的关节点位置进行预测，并得到关节点置信图S和一组关节点亲和域R；

步骤2.3：根据两组信息，通过二分图匹配组成肢体的连接；

步骤2.4：最终得出所有人物的关节点及肢体形态。

3.根据权利要求1所述的一种化工厂工人异常行为识别与预警方法，其特征在于，所述步骤4中改进的天鹰优化器算法AO，具体步骤为：步骤4.1：设置AO算法的目标函数为异常行为识别准确率并初始化相关参数，包括：种群规模、迭代次数、维度大小；

步骤4.2：利用拉丁超立方初始化代替原有AO算法的种群位置初始化方法；

步骤4.3：根据目标函数计算适应度值，根据计算适应度得出最优解；

步骤4.4：AO算法在优化过程中分为四种方法，具体过程如下：步骤4.4.1：第一种方法X1，天鹰在高空中翱翔选择搜索空间，并在搜索空间区域寻找猎物位置，此过程由数学公式表示为：其中，X1(t+1)表示t的下一次迭代解，Xb(t)表示第t次迭代的最优解，t，T分别表示当前迭代次数和最大迭代次数；XM(t)表示当前解在第t次迭代时的平均值；

步骤4.4.2：第二种方法X2，通过短滑翔攻击的等高飞行在搜索空间内探索，天鹰在空中短暂滑行准备捕捉猎物，此过程由数学公式表示为：X2(t+1)＝Xb(t)×Levy+XR(t)+(y‑x)×rand (6)其中，Levy表示莱维飞行分布函数，XR(t)表示[1,N]的随机解，s为0.01的常数，u，v是[0,1]之间的随机值，β为1.5的常数，y和x表示螺旋形状搜索，具体表达式如下：其中，r1表示1到20的搜索周期指数，D1表示从1到搜索空间dim的整数矩阵，ω为0.005的常数；

步骤4.4.3：第三种方法X3，慢速下降攻击的低空飞行在收敛搜索空间中探索，天鹰慢速低空飞行接近猎物，对猎物发动攻击，此过程由数学公式表示为：X3(t+1)＝(Xb(t)‑XM(t))×α‑rand+[(UB‑LB)×rand+LB]×δ    (10)其中，UB，LB表示搜索的上界和下界，α和δ取值为0.1；

步骤4.4.4：在天鹰第三种捕食方法X3中引进社会自由觅食策略，修改后的模型由数学公式表示为：其中，1表示当前迭代种群中天鹰个体，r2，r3为[0,1]之间的数，μ为螺旋系数；

步骤4.4.5：第四种方法X4，通过快速俯冲抓取猎物，天鹰向下俯冲，随着猎物的随机运动进行抓捕，此过程由数学公式表示为：X4(t+1)＝QF×Xb(t)‑(G1×X(t)×rand)‑G2×Levy+rand×G1   (13)其中，QF表示平衡搜索策略的函数，X(t)表示第t次迭代的当前解，G1表示猎物在逃跑的过程中天鹰进行的各种运动，G2表示从2到0的递减值；

步骤4.5：通过AO优化过程中四种方法不断更新当前解，并同步更新全局最优解；

步骤4.6：通过给定的最大迭代次数判断是否达到算法终止条件，若未达到则转到步骤

4.3，在规定迭代次数内输出最优结果。

4.一种基于权利要求1至3任一所述的一种化工厂工人异常行为识别与预警方法的系统，其特征在于，包括：视频采集模块，包括对工人实时监控的网络摄像头；

人体骨骼数据获取模块，用于对采集到的视频数据，将其转化为图片帧，通过OpenPose算法获取到人体骨骼数据；

异常行为识别模块，用于建立改进的STGCN模型，并使用改进的天鹰优化器算法AO对STGCN模型中的超参数进行优化，得到化工厂工人异常行为识别模型；

前端显示预警界面，用于展示工人异常行为的前端界面以及预警部分，通过训练完成的模型识别得出工人行为实时上传前端展示，监管人员通过前端界面提示获取工人是否有异常行为，并进行判断是否需要通过警铃提醒工人行为状态是否正确。