本申请涉及煤矿井下智能辅助运输领域，尤其涉及一种基于IAT和YOLOv8‑Pose的煤矿井下驾驶员异常行为检测方法，包括，采集驾驶员驾驶过程中的图像信息，并对图像进行分类和增强处理；利用改进YOLOv8‑Pose模型对人体关键点进行检测；通过分析人体关键点中的面部关键点、头部姿态、上肢动作判断驾驶员异常行为并报警输出；其中，改进YOLOv8‑Pose模型包括input输入端、主干网络Backbone、Neck模块和输出端head，所述Neck模块中设置有动态融合浅层特征和深层特征的模块动态特征融合注意力机制DFFA。本申请采用基于Resnet+IAT构建了自适应光照的图像增强预处理算法，在YOLOv8‑Pose人体关键点检测基础，在颈部Neck结构中使用DFFA模块，增强图像人体目标边缘特征，提高井下低照度复杂环境的人体关键点检测能力。