一种基于深度学习的异常行为识别方法

• 作者: 常津津 杨锐 罗兵 郝叶林
• 来源期刊: 五邑大学学报（自然科学版）
• 学科: 工学
• 关键词: 异常行为 动作识别 深度学习 时序过渡
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信息工程
• 页码范围: 23-30
• 页数: 8页
• 分类号: TP216.1
• 字数: 4705字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7302.2018.02.005

摘要

异常行为识别与检测在安防领域有广泛的应用前景,但现有的异常行为识别方法时序信息利用率低,准确率和处理速度还难以满足实际需要.本文采用三维密集连接深度网络结构对采集视频的时序和空间特征进行基于深度学习的建模,对打架、徘徊、抢劫这三类异常行为以及正常行为类进行识别,采用多个可变时序深度的卷积核,并结合深度可分离卷积层重新设计了时序过渡层,更多地利用输入信号中的时序信息.模拟实验结果表明,本文提出的改进方法准确率达92.5％,进一步提高了模型的准确率和泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗兵	五邑大学信息工程学院	39	92	5.0	6.0
2	郝叶林	五邑大学信息工程学院	3	12	3.0	3.0
3	杨锐	五邑大学信息工程学院	4	12	3.0	3.0
4	常津津	五邑大学信息工程学院	3	12	3.0	3.0