基于C3D-GRNN模型的人群异常行为识别算法

• 作者: 彭月平 徐蕾 蒋镕圻
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 人群异常行为 卷积神经网络 广义回归神经网络 HOG特征
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 44-50
• 页数: 7页
• 分类号: TP391.41
• 字数: 5440字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2020.07.008

摘要

针对传统人群行为识别算法受人工主观因素影响较大等问题,综合三维卷积神经网络(C3D)与广义回归神经网络(GRNN)的优势和特点,提出并实现了基于C3D-GRNN模型的人群异常行为识别算法.该算法首先采用ViBe算法确定运动目标区域,然后通过改进C3 D网络提取目标的HOG时空特征,再加入GRNN层进行分类训练,最后根据训练好的C3 D-GRNN模型完成人群异常行为的识别与分类.实验结果表明:所提算法的HOG时空特征能够明显提升对人群行为的表达能力,减少了特征提取工作量,并且该方法的准确度和鲁棒性均高于支持向量机等其他同类方法,为小样本数据集的分类问题提供解决新思路,具有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭月平	武警工程大学信息工程学院	49	132	5.0	11.0
2	蒋镕圻	武警工程大学信息工程学院	4	0	0.0	0.0
3	徐蕾	武警工程大学信息工程学院	7	22	2.0	4.0