基于Yolo和GOTURN的景区游客翻越行为识别

摘要：

近年来,随着旅游市场的快速发展,在旅游景区出现的一些违规行为,不仅危害了人身安全,而且也给社会造成了许多负面影响.由于出现该类行为的频率不高,通过人工观察耗费大量人力资源且效率不高,使用深度学习算法对具体行为进行识别,帮助景区监管人员快速预警违规行为,已成为必然趋势.针对这一问题,结合目标检测与目标跟踪任务,该文提出了一种基于Yolo和GOTURN的景区游客翻越行为识别方法.首先将视频转为视频帧,再经过Yolo目标检测和GOTURN目标跟踪得到人员边界框坐标和视频帧轨迹点集合,再进入轨迹分析得出最终结果标签(是否为翻越行为),形成一个完整的翻越行为识别方法.实验数据表明,基于Yolo和GOTURN的景区游客翻越行为识别方法相对于其他方法具有较高的准确率,应用在实际的景区游客翻越行为识别系统中得到了93.7％的准确率.

关键词：深度学习;目标检测;目标跟踪;翻越行为识别;Yolo;GOTURN

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：提升政府治理能力大数据应用技术国家工程实验室开放基金项目;四川省科技项目;国家重点实验室开放基金;中央高校基本科研业务费;中央高校基本科研业务费

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：134-140