典型文献
基于C3D和CBAM-ConvLSTM的犯罪事件视频场景分类
文献摘要：
随着平安城市项目的不断推进,我国大部分城市已经实现监控全覆盖,并且每天产生海量的监控视频,利用人工智能的方式实现监控视频的自动化处理是目前待解决的问题.针对上述问题,本文提出一种基于C3D和CBAM-ConvLSTM(convolutional block attention module-convolutional long short-term memory network)的视频场景分类算法,对监控中的犯罪事件进行有效分类.首先,使用C3D网络和注意力机制提取监控视频的局部空间特征和局部时间特征;然后,将提取的视频特征序列输入到CBAM-ConvLSTM中提取视频的全局空间特征及全局时间特征;最后,根据全局特征使用分类器对输入视频进行犯罪事件分类.实验在自建的犯罪事件数据集Crimes-mini和公开的暴力行为数据集Hockey两个数据集上进行验证,犯罪事件分类的准确率可达92.19％、F1值可达90.40％;暴力行为分类的准确率可达99.5％、F1值可达99.5％.测试结果表明,论文提出的方法能够较有效地对监控视频中的犯罪事件、暴力行为进行分类.
文献关键词：
视频分类;三维卷积神经网络;注意力机制;卷积长短期记忆网络
中图分类号：
作者姓名：
李燕;何敏
作者机构：
甘肃政法大学,兰州 730070
文献出处：
引用格式：
[1]李燕;何敏-.基于C3D和CBAM-ConvLSTM的犯罪事件视频场景分类)[J].刑事技术,2022(05):448-457
A类：
Crimes,Hockey
B类：
C3D,CBAM,ConvLSTM,场景分类,平安城市,城市项目,监控视频,自动化处理,convolutional,block,attention,module,long,short,term,memory,network,分类算法,注意力机制,空间特征,时间特征,特征序列,全局特征,分类器,件数,mini,暴力行为,行为数据集,行为分类,视频分类,三维卷积神经网络,卷积长短期记忆网络
AB值：
0.354469
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。
