针对电力安全生产中人工监护效率低的问题，提出了一种用于实时预测人类与物体交互的双通道数据流时域-空间域神经网络(双流时空网络)

将其应用于安全风控平台等安全生产视频监控系统中，可持续不间断对电力生产区域作业人员动作进行预判分析，当预判有危险时能提前告警。该技术通过融合人体骨架姿态(空间流)与动作时序动态(时间流)构建了端到端的实时预测模型，结合手部关键点加速度特征增强了交互识别鲁棒性。通过在自建电力作业数据集上的实验表明，所提方法在保证实时性的前提下，能够有效提升电力作业场景中异常行为预警的准确性与稳定性，具有良好的工程应用价值。