准确识别物流驾驶员接打电话等危险行为是实现生产安全的重要一环。针对工业现场背景复杂、驾驶员手臂动作相似度高等问题，提出一种联合边缘特征的物流驾驶员危险行为识别算法EF-GCN(Edge Feature Graph Convolutional Networks)。首先，提出基于自适应图卷积的空间感知模块，考虑人体运动过程中远离质心的边缘关节点，设计空间感知算法以提高权重分配。其次，设计时空边缘注意力模块，在时空均值化后添加边缘卷积，改善模型对边缘特征提取不充分的缺点；同时，引入可分离卷积SC Block(Separable Convolution Block)，替换主干网络中的标准卷积，减少模型参数量。最后，构建相似特征识别网络SF-RN(Similar Feature Recognition Network)，对接打电话、抽烟等手臂相似行为进行区分，强化算法对相似行为的识别能力。实验结果表明，EF-GCN算法较传统的时空图卷积网络识别精度提高10.4%，较基线模型提升3.2%，能够准确识别物流驾驶员危险行为，验证了算法有效性。