SlowFast架构下景区异常行为识别算法及预警研究OA北大核心CSTPCD
针对当前古建筑场景下人员异常行为识别相关实例缺乏、数据集少、古建筑级别低、质量次,导致人员异常行为识别准确率低等问题,该文在古建筑景区背景下自行拍摄了多组视频,从中挑选构建了人员异常行为动作的5033段视频数据集:具有明确的典型古建筑背景;具有多人场景下暴恐打架斗殴、刻划、刻画以及存在火灾风险的人员异常行为等特征,并对每个视频进行了注释。该文首次于SlowFast网络框架中成功引入信号时域特征活动性、移动性参数,对构建的数据集进行高阶时序特征建模…查看全部>>
王志明;张佳;彭江南;刘心志;陈克克;傅冠夷蛮;王绍萌;商飞;狄长安
南京理工大学机械工程学院,江苏南京210094南京理工大学机械工程学院,江苏南京210094南京理工大学机械工程学院,江苏南京210094南京理工大学机械工程学院,江苏南京210094南京理工大学计算机科学与工程学院,江苏南京210094南京理工大学计算机科学与工程学院,江苏南京210094南京理工大学计算机科学与工程学院,江苏南京210094南京理工大学机械工程学院,江苏南京210094南京理工大学机械工程学院,江苏南京210094
计算机与自动化
机器视觉异常行为识别SlowFast活动性算子移动性算子网格化预警
《南京理工大学学报》 2024 (3)
P.374-383,10
国家重点研发计划(2021YFC1523500)。
评论