典型文献
基于姿态估计的人体异常行为识别算法
文献摘要：
为了及时、准确地检测视频监控下人体异常行为的发生,提出一种基于姿态估计的人体异常行为识别算法.该算法首先利用基于深度学习的人体姿态估计算法提取人体的骨骼关键点坐标,组成包含空间信息和时间序列信息的时空图模型,模型中每个节点对应于人体的一个关节,同时包含2种类型的边,一种是符合人体关节自然连通性的空间边,另一种是跨越连续时间的时序边;然后,对时空图进行多阶段的时空图卷积操作,提取高级特征;最后,用Softmax分类器进行行为分类,得到行为结果并判断是否为异常行为.在KTH单人数据集和HMDB51多人交互数据集上进行对比实验,与当前先进的方法相比,在准确率方面取得了较好的结果.对实时视频进行测试,实时检测识别帧率达到25帧/s,可实现实时处理监控视频.
文献关键词：
人体异常行为;人体姿态估计;深度学习;时空图模型;时空图卷积网络;实时检测识别
中图分类号：
作者姓名：
李建更;谢海征
作者机构：
北京工业大学信息学部,北京 100124
文献出处：
引用格式：
[1]李建更;谢海征-.基于姿态估计的人体异常行为识别算法)[J].北京工业大学学报,2022(07):710-720
A类：
B类：
人体异常行为,异常行为识别,识别算法,视频监控,人体姿态估计,姿态估计算法,骨骼关键点,空间信息,序列信息,时空图模型,应于,符合人体,节自,连通性,连续时间,多阶段,卷积操作,Softmax,分类器,行行,行为分类,行为结果,KTH,单人,HMDB51,交互数据,实时视频,实时检测识别,帧率,实时处理,监控视频,时空图卷积网络
AB值：
0.327358
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。
