深度学习下智慧社区视频监控异常识别方法

• 作者: 张海民
• 来源期刊: 西安工程大学学报
• 关键词: 深度学习 智慧社区 视频监控 异常识别 行为轨迹 精准度
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 103-109
• 页数: 7页
• 分类号: TN814
• 语种: 中文
• DOI: 10.13338/j.issn.1674-649x.2020.02.015

摘要

传统识别方法难以观察到运动状态下目标的细微特征,导致识别目标的精准度和时效性较低,故利用卷积神经网络构建深度学习模型,通过对其中的输入层、卷积层和池化层进行分析,提取运动目标的特征值.采用AlexNet网络提取目标时空特征,对彩色图像数据作灰度化处理,经过不同帧采样获取时间维度上的时空块输入数据,由此完成数据预处理.继而通过稠密轨迹提取目标运动行为轨迹,在背景差分与帧差分结合的基础上判断运动目标行为是否异常.由实验对比结果可知:该方法的最高识别精准度可达到97.6％,最大识别耗时也仅为2.1 s,明显优于传统方法,证明该方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张海民	安徽信息工程学院计算机与软件工程学院	6	0	0.0	0.0