基于改进的YOLOv5网络的异常行为检测算法研究
各行各业安全问题尤为重要,对人员的异常行为须及时检测并采取相应的措施才能有效预防安全事故的发生.因此本文提出基于改进的YOLOv5网络的异常行为识别算法,通过实时处理视频监控中人员的异常行为,从而保证企业的安全运行.首先,对输入数据集进行特征提取处理,本文使用YOLOv5的backbone特征提取网络提取视频特征,能够在不同图像细粒度上聚合并形成图像特征;其次,送入到时间注意块,因为不同时刻特征的贡献值并不相同,因此加入此模块赋予特征不同的贡献值;最后,送入特征预测网络,该网络由LSTM搭建,对历史特征序列进行解码,以预测当前的特征.以玩手机和吸烟为例对所提出的网络进行验证,训练集准确率高达96.42%,测试集准确率高达 95.21%.
异常行为、YOLOv5、transformer、时间注意块
45
TP183(自动化基础理论)
国家海洋局重大专项
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
137-141