10.3969/j.issn.1672-9722.2021.04.034
基于YOLOv4的人体异常行为检测算法研究
针对公共平场合中监控视频中人体行为分类受背景影响较大,异常行为特征复杂多样问题,以YOLOv4网络模型为基础,分别建立基于YOLOv4及改进后YOLOv4网络的人体异常行为检测模型.通过K-Means聚类获得适合本实验的anchor box,将处理后的数据样本分别送入三种模型中训练,测试结果表明训练所得改进后的YOLOv4异常行为检测模型能够达到96%的map,recall能够达到98%,检测速度能够达到每帧38/ms,同时满足高准确率、实时性的要求.
YOLOv4、异常行为检测、K-Means聚类、实时检测
49
TP391.41(计算技术、计算机技术)
陕西省科技厅项目基金"多功能便携式消防现场记录仪"编号:2018GY-007
2021-05-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
791-796