人体关键点检测作为动作识别的基础,对动作识别的准确性以及扩展性有着至关重要的作用。由于人体动作的多样性以及与周边环境的各种组合,将所有动作类型进行统一归类处理需要特别庞大的计算量,在目前实际的工程实现中是不切实际的。但在某些特定场景或者特定需求下会有某种规范性的动作需求,例如高中生或大学生的引体向上和仰卧起坐的规范性,体操运动员训练的规范性,军队士兵训练的规范性等。另外在服务行业中,迎宾人员以及收银人员的工作流程也都具有一定的规范性。本论文主要针对收银台场景中工作人员的服务规范性检测进行研究,并进行实际的工程应用:一.收集制作了收银服务数据集,对不同的关键点检测算法进行对比实验,测试其不同因素下的检测性能,并结合实际工程应用,对不同算法的工程适用性进行分析。二.针对人体骨骼关键点检测算法的改进研究,提出基于注意力机制的检测方法以及对关键点检测过程中分类子网络的研究,并在实际工程中进行应用。三.将人体骨骼关键点检测算法、目标检测算法与时间序列技术相结合并在收银服务场景中进行应用。四.实现了基于深度学习的收银服务规范检测系统,该系统能够实时地对多路视频下收银服务人员的服务规范性进行检测,对服务不合规的人员及场景进行记录,并且可对历史事件进行查询。