文档名：基于关键帧定位的人体异常行为识别
摘要：近年来,基于视频的人体异常行为识别算法取得了一定的研究成果,但由于监控视频中存储的数据量庞大且视频时间跨度较长,在进行长视频或多行人异常动作检测与识别时,现有的识别方法并不适用.为此,提出了一种基于关键帧定位的人体异常行为识别模型,首先,通过基于标准化流和注意力增强时空图卷积的关键帧定位网络学习正常帧的概率分布,筛选和提取出长视频中的异常帧(关键帧)序列,并将其作为后续网络模型的输入.然后,为了更好地捕捉人体姿势的运动特征和异常情况,提出一种融合注意力和增强残差的时空图卷积异常行为识别算法,将关键帧序列输入到该模型网络中以实现对监控视频中的人体异常行为的高效准确识别.使用公开数据集和自建数据集对该方法的有效性进行验证,实验结果表明,在公开数据集ShanghaiTechCampus上人体异常行为识别的TOP-1准确率达到82.86％,TOP-5准确率达到98.10％,该方法可以更好的完成监控视频中的人体异常行为识别.
Abstract：Inrecentyears,videobasedhumanabnormalbehaviorrecognitionalgorithmshaveachievedcertainresearchresults.However,duetothelargeamountofdatastoredinsurveillancevideosandthelongtimespanofvideos,existingrecognitionmethodsarenotsuitablefordetectingandrecognizingabnormalactionsinlongvideosormultiplepedestrians.Tothisend,ahumanabnormalbehaviorrecognitionmodelbasedonkeyframelocalizationisproposed.Firstly,akeyframelocalizationnetworkbasedonstandardizedflowandattentionenhancedspatialtemporalgraphconvolutionisusedtolearntheprobabilitydistributionofnormalframes,filterandextractsequencesofabnormalframes(keyframes)inlongvideos,andusethemasinputsforsubsequentnetworkmodels.Then,inordertobettercapturethemotioncharacteristicsandabnormalsituationsofhumanposture,aspatialtemporalgraphconvolutionalabnormalbehaviorrecognitionalgorithmthatintegratesattentionandenhancedresidualsisproposed.Thekeyframesequenceisinputintothemodelnetworktoachieveefficientandaccuraterecognitionofhumanabnormalbehaviorinsurveillancevideos.Validatetheeffectivenessofthismethodusingpubliclyavailableandselfbuiltdatasets.TheexperimentalresultsshowthattheTOP-1accuracyofhumanabnormalbehaviorrecognitiononthepubliclyavailabledatasetShanghaiTechCampusreaches82.86％,andtheTOP-5accuracyreaches98.10％.Thismethodcanbettercompletetherecognitionofhumanabnormalbehaviorinsurveillancevideos.
作者：刘雨萌 桑海峰Author：LiuYumeng SangHaifeng
作者单位：沈阳工业大学信息科学与工程学院沈阳110870
刊名：电子测量与仪器学报 ISTICPKU
Journal：JournalofElectronicMeasurementandInstrumentation
年，卷(期)：2024, 38(3)
分类号：TP391TN98
关键词：异常行为识别 关键帧定位 标准化流 时空图卷积 注意力机制
Keywords：identificationofabnormalbehavior keyframeslocalization standardizedflow spatialtemporalgraphconvolution attentionmechanism
机标分类号：TP391.41TP274+.2TN929.53
在线出版日期：2024年7月8日
基金项目：国家自然科学基金，辽宁省自然科学基金基于关键帧定位的人体异常行为识别[
期刊论文] 电子测量与仪器学报--2024, 38(3)刘雨萌 桑海峰近年来,基于视频的人体异常行为识别算法取得了一定的研究成果,但由于监控视频中存储的数据量庞大且视频时间跨度较长,在进行长视频或多行人异常动作检测与识别时,现有的识别方法并不适用.为此,提出了一种基于关键帧定位...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于关键帧定位的人体异常行为识别 Human abnormal behavior recognition based on keyframes localization
基于关键帧定位的人体异常行为识别.pdf
- 文件大小:
- 7.16 MB
- 下载次数:
- 60
-
高速下载
|
|
