基于骨架序列提取的异常行为识别

• 全文链接
• 请求原文

作   者：

吴晨;  孙强;  倪宏宇;  颜文旭; 

作者机构：

哈工大机器人(合肥)国际创新研究院;  江南大学物联网工程学院;  国网浙江省绍兴供电公司; 

关键词：

卷积神经网络;  异常行为识别;  深度学习;  姿态估计;  人体骨架序列; 

期刊名称：

计算机系统应用

i s s n：

1003-3254

年卷期：

2022 年 31 卷 011 期

页   码：

215-222

摘   要：

视频监控系统中的人员异常行为识别研究具有重要意义.针对传统算法检测实时性和准确性差,易受环境影响的问题,提出一种基于骨架序列提取的异常行为识别算法.首先,改进YOLOv3网络用以对目标进行检测、结合RT-MDNet算法进行跟踪,得到目标的运动轨迹;然后,利用OpenPose模型提取轨迹中目标的骨架序列;最后通过时空图卷积网络结合聚类对目标进行异常行为识别.实验结果表明,在存在光照变化的复杂环境下,算法识别准确率达94%,处理速度达18.25 fps,能够实时、准确地识别多种目标的异常行为.