改进YOLOv3网络模型的人体异常行为检测方法

• 全文链接
• 请求原文

作   者：

张红民;  李萍萍;  房晓冰;  刘宏; 

作者机构：

中国科学院计算技术研究所;  重庆理工大学电气与电子工程学院; 

关键词：

注意力机制;  异常行为;  神经网络;  多尺度;  残差网络; 

期刊名称：

计算机科学

i s s n：

1002-137X

年卷期：

2022 年 49 卷 004 期

页   码：

233-238

摘   要：

针对传统视频监控数据量大且复杂、不能及时有效地检测到人体异常行为的问题,文中提出了一种基于YOLOv3改进网络模型的人体异常行为检测方法(YOLOv3-MSSE).该方法基于经典YOLOv3网络模型,利用残差模块构建多尺度特征提取网络,提升了对大目标的检测精度;同时,在网络结构不同位置融入注意力机制,对特征图各个通道的特征重要性实现加权处理,有效提高了模型人体异常行为的检测性能.实验结果表明,相比传统YOLOv3算法,YOLOv3-MSSE方法的mAP值提升了20.8%,F1-scores提升了11.3%,该方法不仅能够有效地检测出监控场景中的人体特定异常行为,还能较好地平衡检测精确率与召回率之间的关系,比同类方法更适用于实际监控场景下的人体异常行为检测.