典型文献
基于改进的YOLOv5网络的异常行为检测算法研究
文献摘要：
各行各业安全问题尤为重要,对人员的异常行为须及时检测并采取相应的措施才能有效预防安全事故的发生.因此本文提出基于改进的YOLOv5网络的异常行为识别算法,通过实时处理视频监控中人员的异常行为,从而保证企业的安全运行.首先,对输入数据集进行特征提取处理,本文使用YOLOv5的backbone特征提取网络提取视频特征,能够在不同图像细粒度上聚合并形成图像特征;其次,送入到时间注意块,因为不同时刻特征的贡献值并不相同,因此加入此模块赋予特征不同的贡献值;最后,送入特征预测网络,该网络由LSTM搭建,对历史特征序列进行解码,以预测当前的特征.以玩手机和吸烟为例对所提出的网络进行验证,训练集准确率高达96.42％,测试集准确率高达 95.21％.
文献关键词：
异常行为;YOLOv5;transformer;时间注意块
中图分类号：
作者姓名：
王雪;程换新;骆晓玲;高宇
作者机构：
青岛科技大学自动化与电子工程学院 青岛266061;青岛科技大学机电工程学院 青岛266061
文献出处：
引用格式：
[1]王雪;程换新;骆晓玲;高宇-.基于改进的YOLOv5网络的异常行为检测算法研究)[J].电子测量技术,2022(16):137-141
A类：
时间注意块
B类：
YOLOv5,异常行为检测,检测算法,算法研究,安全事故,异常行为识别,识别算法,实时处理,视频监控,输入数据,backbone,特征提取网络,细粒度,成图,图像特征,送入,不同时刻,贡献值,并不相同,特征预测,预测网络,历史特征,特征序列,解码,玩手,训练集,测试集,transformer
AB值：
0.402434
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
