基于多网络级联预测的异常行为识别方法研究

摘要：

异常行为识别是通过计算机提取图像序列中的特征信息,构建行为规则模型,实现对异常行为的分类和识别.现有端到端的基于深度学习的异常行为识别方法,受数据集种类和规模影响,模型自适应能力差,对人类行为的刻画能力有限.而且,异常行为定义一般取决于场景,精确分类困难.为了实现对多人员异常行为快速识别,结合行人在正常运动具有规律性,且异常事件和违规操作具有连续性,提出了一种基于多网络级联预测的异常行为识别方法.采用实例分割模型提取人体位置,利用提取骨架与稀疏光流相结合,完成视频中骨骼的跟踪,通过双向递归编解码网络,预测动态骨架信息,将骨架异常分数与阈值对比,判断行为异常.最后通过ShanghaiTech Campus公开数据集和自制数据集进行测试,实验结果表明,本文方法在不同场景、不同异常行为下都有较高的检测精度.

关键词：异常行为、骨架提取、行为预测、稀疏光流、网络级联

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;山西省自然科学基金;山西省自然科学基金

在线出版日期：2021-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：253-260