面向校园场景视频监控的人体行为识别方法

米家辉; 李鸿天; 袁家政

doi:10.13873/J.1000-9787(2025)05-0138-04

Chinese

您当前的位置：

首页 >

文章列表页 >

面向校园场景视频监控的人体行为识别方法

计算与测试 | 更新时间：2025-09-11

- 面向校园场景视频监控的人体行为识别方法
- 暂无标题
- 传感器与微系统 2025年第5期页码：138-141
- 作者机构：
  
  1. 北京联合大学北京市信息服务工程重点实验室
  2. 北京开放大学
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61871028)
- DOI：10.13873/J.1000-9787(2025)05-0138-04
  中图分类号： G47;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
米家辉, 李鸿天, 袁家政. 面向校园场景视频监控的人体行为识别方法[J]. 传感器与微系统, 2025,(5):138-141.
米家辉, 李鸿天, 袁家政. 面向校园场景视频监控的人体行为识别方法[J]. 传感器与微系统, 2025,(5):138-141. DOI： 10.13873/J.1000-9787(2025)05-0138-04.

DOI：

摘要

校园内的异常行为检测目的是识别与正常校园行为模式不符的行为或事件，有助于提升校园安全管理水平。针对此类问题，本文提出了一种融合注意力机制的双流网络模型用于识别校园场景下的人体行为。模型以Inception v1网络作为基准模型，并在残差模块中融合注意力机制。模型在Kinetics—400数据集上进行预训练，而后在校园场景数据集上进行训练和实验。实验对比了添加注意力机制模块的位置和数量差异对实验结果的影响。实验结果表明，本文模型能够有效检测出监控视频中的行为类别，所提出的方法准确率可达91.7%

较基准模型提升了4.5%。

Abstract

关键词

Keywords

references

王宪伦,王广宇,孙宇轩.基于双流图卷积网络的人体行为识别算法[J].传感器与微系统,2023(07).

伏娜娜,刘大铭,程晓婷,景云云,张馨芳.基于轻量级OpenPose模型的跌倒检测算法[J].传感器与微系统,2021(11).

Heng Wang,Alexander Kläser,Cordelia Schmid,Cheng-Lin Liu.Dense Trajectories and Motion Boundary Descriptors for Action Recognition.[J].International Journal of Computer Vision,2013.

Ji Shuiwang,Yang Ming,Yu Kai.3D convolutional neural networks for human action recognition.[J].IEEE transactions on pattern analysis and machine intelligence,2013.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种新型注意力机制的双人交互行为识别方法

基于改进U²-Net的摇床精矿带图像分割方法

基于改进卷积神经网络的膝关节图像分类研究

基于轻量化YOLOv4的火灾检测识别算法

融合注意力与多层次特征提取的行人再识别方法