典型文献
基于深度学习的人体跟踪与异常行为识别联合算法
文献摘要：
基于深度学习的人体跟踪与异常行为识别算法在实现的过程中,都需要对人体目标进行特征提取.为了优化两次重复的特征提取过程,提高网络工作效率,提出了人体跟踪与异常行为识别联合算法.通过实时多域卷积神经网络(RT-MDNet)实现人体目标的跟踪,以不同的异常行为作为人体跟踪的不同操作域,提取人体目标的共性特征,实现人体的实时跟踪.同时,抽取RT-MDNet网络卷积层输出的高维特征图谱,将特征图谱与长短时记忆网络(LSTM)相结合,通过把握特征间的时序信息,实现异常行为的分类.在中科院提供的CASIA行为分析数据集中选取了6种异常行为对网络模型进行训练和测试.实验结果表明,该模型能够准确实时地跟踪人体目标,同时也能将跟踪目标的行为进行分类,识别率达到89.7％.基于深度学习的人体跟踪与异常行为识别联合算法,将人体目标的特征共享于跟踪与识别,实现了跟踪与识别的有效结合.
文献关键词：
人体跟踪;异常行为识别;RT-MDNet;LSTM;特征共享;CASIA;深度学习
中图分类号：
作者姓名：
李俊鹏;姬晓飞;赵东阳
作者机构：
沈阳航空航天大学 自动化学院,沈阳110136
文献出处：
引用格式：
[1]李俊鹏;姬晓飞;赵东阳-.基于深度学习的人体跟踪与异常行为识别联合算法)[J].沈阳航空航天大学学报,2022(04):51-59
A类：
MDNet
B类：
人体跟踪,异常行为识别,联合算法,识别算法,人体目标,网络工作,多域,共性特征,实时跟踪,卷积层,高维特征,特征图谱,长短时记忆网络,时序信息,中科院,CASIA,行为分析,跟踪目标,识别率,特征共享,有效结合
AB值：
0.222582
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。
