准确识别和分析电厂人员行为对维护电厂安全运行具有重要意义。本文采用深度学习算法结合运动特征，建立了一套适用于电厂工人的行为识别系统框架。为了提高运动识别的精度，解决人体骨骼识别问题，引入图卷积网络，建立了一种多层时空融合图卷积运算的人体行为识别模型。针对单网检测精度低、鲁棒性差的问题，建立了基于传感器网络的无线通信信道模型和功率管理方案，并得出了视频传输优化方案，从而提高了实际系统的通信质量。实验结果表明，将该算法应用于多传感器网络时，对电厂工作人员不安全行为的识别准确率可达90%以上，具有良好的工程应用前景。