基于深度学习的行人异常行为检测  

作　　者：龚逸文 阳威 金康 

机构地区：[1]江汉大学智能制造学院,湖北武汉430056 [2]武昌首义学院信息科学与工程学院,湖北武汉430070

出　　处：《中国新技术新产品》2024年第24期36-39,共4页New Technology & New Products of China

基　　金：2019年湖北省虚拟仿真实验教学项目“普罗棱镜望远镜的设计与仿真”(项目编号:2019072);2023年武昌首义学院校级科研孵化基金项目“基于声纹识别的电网高压开关柜异常状态检测系统”(项目编号:KYFH2401);2023年武昌首义学院校级重点教研项目“应用型高校电信专业科研反哺教学多维融合模式的探索与实践”(项目编号:2023Z05)。

摘　　要：行人异常行为分析是智能安防领域的研究热点,但是传统方法存在计算复杂度高和数据利用率低的缺点,难以满足实际场景需求。本文采用贪心算法提取视频图像中的人体关键点,并结合亲和度对比规则获得人体骨架图特征参量,输入Inception v3深度学习模型进行训练,创建行人异常行为判决模型。同时改进Inception v3模型输出层,以适应行人异常行为识别任务,并引入人脸识别功能。试验结果显示,基于深度学习的行人异常行为识别具有更高的准确率和更快的计算速度。该方法为提升行人异常行为识别精度提供了有效解决方案,有望在实际安防场景中发挥重要作用。

关 键 词：深度学习 人体动作识别 人脸识别 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]