基于YOLOv4的暴力行为实时检测算法

• 作者: 闫保中 刘忠强
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 暴力行为 异常检测 深度学习 数据集 YOLOv4 数据增强 卷积层 后处理
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 智能科学与技术
• 页码范围: 47-52
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11991/yykj.202107001

摘要

针对当前深度学习行为识别技术无法满足监控系统实时性要求的问题,本文提出了一种监控视频暴力行为实时检测算法.该算法以YOLOv4模型作为基础,从提升检测准确性和实时性的角度对模型的主干网络和后处理方法做了改进.通过自建暴力行为数据集,分别对YOLOv4原模型和改进模型进行训练和测试.实验结果表明,在检测精度和速度的性能比较中,本文的改进模型均优于YOLOv4原模型,且能够准确定位暴力行为.本文算法的平均准确精度(mAP)值为98％,检测速度达到了56.4 fps,具有良好的实时性.