基于骨架序列提取的异常行为识别
视频监控系统中的人员异常行为识别研究具有重要意义.针对传统算法检测实时性和准确性差,易受环境影响的问题,提出一种基于骨架序列提取的异常行为识别算法.首先,改进YOLOv3网络用以对目标进行检测、结合RT-MDNet算法进行跟踪,得到目标的运动轨迹;然后,利用OpenPose模型提取轨迹中目标的骨架序列;最后通过时空图卷积网络结合聚类对目标进行异常行为识别.实验结果表明,在存在光照变化的复杂环境下,算法识别准确率达94%,处理速度达18.25 fps,能够实时、准确地识别多种目标的异常行为.
异常行为识别、人体骨架序列、卷积神经网络、深度学习、姿态估计
31
TP391.4;TN911.73;TP277
国网浙江省电力有限公司科技项目5211SX220003
2022-11-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
215-222