液压支架护帮板的打开和闭合是煤矿井下的主要作业之一。为了自动识别监控视频中每个护帮板的工作状态,需研究液压支架护帮板工作状态智能识别算法。结合深度学习和计算机视觉的算法,可采用融合幅度信息的光流直方图(Histograms of Oriented Optical Flow,HOF)提取运动特征。实验结果表明:算法的准确率达到88.69%、精确率达到79.08%、召回率达到76.16%、F1_score值达到76.53%,fps值达到18帧/s,验证了该算法的可行性和有效性。