
基于深度时空卷积神经网络的异常人群行为检测与定位
5星
- 浏览量: 0
- 大小:None
- 文件类型:None
简介:
本研究提出一种基于深度时空卷积神经网络的方法,用于高效准确地检测和定位视频中的异常人群行为,增强公共安全。
为了应对公共场合人群异常行为检测准确率较低以及训练样本不足的问题,本段落提出了一种基于深度时空卷积神经网络的人群异常行为检测与定位方法。首先,考虑到监控视频中人群行为的特性,该方法综合利用了静态图像的空间特征和前后帧的时间特征,并将二维卷积扩展到三维空间来设计适用于人群异常行为检测和定位的深度时空卷积神经网络。
为了更精确地定位异常行为的发生区域,在处理过程中会将视频分割成多个子区域并提取每个子区域的时空数据样本。随后,这些数据被输入至上述提到的设计好的深度时空卷积神经网络中进行训练与分类,从而实现对人群异常行为的有效检测和精确定位。
此外,为了应对在训练阶段由于缺乏足够数量的样本而导致的问题,还设计了一种迁移学习策略:先使用包含大量样本的数据集来预训练模型,之后再针对目标测试数据集进行微调以优化网络结构。实验结果显示,在UCSD以及subway这两个公开数据集中,该方法分别达到了99%和超过93%的检测准确率。
全部评论 (0)
还没有任何评论哟~


