论文部分内容阅读
异常行为识别是通过计算机提取图像序列中的特征信息,构建行为规则模型,实现对异常行为的分类和识别.现有端到端的基于深度学习的异常行为识别方法,受数据集种类和规模影响,模型自适应能力差,对人类行为的刻画能力有限.而且,异常行为定义一般取决于场景,精确分类困难.为了实现对多人员异常行为快速识别,结合行人在正常运动具有规律性,且异常事件和违规操作具有连续性,提出了一种基于多网络级联预测的异常行为识别方法.采用实例分割模型提取人体位置,利用提取骨架与稀疏光流相结合,完成视频中骨骼的跟踪,通过双向递归编解码网络