典型文献
基于深度学习的自动扶梯乘客异常行为识别方法研究
文献摘要：
自动扶梯乘客异常行为识别方法的研究对保障乘客安全具有重要的意义.针对自动扶梯出入口拥堵、长时间停留等乘客异常行为缺乏有效识别和预警手段的不足,提出一种基于深度学习的自动扶梯乘客异常行为识别方法.该方法采用YOLOv4算法对自动扶梯使用场景的视频进行特征提取,识别检测区域的乘客信息;结合DeepSORT算法对检测到的乘客进行追踪和统计,构建乘客异常行为识别模型,实现乘客异常行为的识别.对4段自动扶梯监控视频的实验结果表明,该方法检测平均准确率为95.09％,能准确地识别自动扶梯出入口拥堵、长时间停留等乘客异常行为.
文献关键词：
深度学习;目标检测;目标跟踪;异常行为识别;YOLOv4算法;DeepSORT算法
中图分类号：
作者姓名：
林创鲁;叶亮;李刚;李丽宁
作者机构：
广州特种机电设备检测研究院,广东 广州 510180
文献出处：
引用格式：
[1]林创鲁;叶亮;李刚;李丽宁-.基于深度学习的自动扶梯乘客异常行为识别方法研究)[J].自动化与信息工程,2022(06):1-6
A类：
B类：
自动扶梯,乘客,异常行为识别,出入口,拥堵,YOLOv4,使用场景,识别检测,DeepSORT,识别模型,监控视频,平均准确率,目标检测,目标跟踪
AB值：
0.181806
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。
