基于深度學習的行人異常行為檢測

摘 要：行人異常行為分析是智能安防領域的研究熱點，但是傳統方法存在計算復雜度高和數據利用率低的缺點，難以滿足實際場景需求。本文采用貪心算法提取視頻圖像中的人體關鍵點，并結合親和度對比規則獲得人體骨架圖特征參量，輸入Inception v3深度學習模型進行訓練，創建行人異常行為判決模型。同時改進Inception v3模型輸出層，以適應行人異常行為識別任務，并引入人臉識別功能。試驗結果顯示，基于深度學習的行人異常行為識別具有更高的準確率和更快的計算速度。該方法為提升行人異常行為識別精度提供了有效解決方案，有望在實際安防場景中發揮重要作用。

關鍵詞：深度學習；人體動作識別；人臉識別

中圖分類號：TP 183 " 文獻標志碼：A

為了保障公共場所的安全，通常需要在各處安裝監控攝像頭。然而，這些攝像頭需要人工管理，可能會導致監控不到位。為了解決該問題，行人異常行為識別技術利用計算機視覺分析視頻或圖像數據檢測異常行為，并通過預警系統及時采取措施，可以有效預防意外事件。該技術可識別街頭斗毆、老人摔倒和可疑人員徘徊等異常行為，特別適用于銀行或珠寶店等特定場景。現有算法包括基于視覺特征、基于物體軌跡和基于深度學習的方法[1-5]。

然而，基于視覺特征的方法的設計和計算較復雜，難以反映行為特性。基于視覺特征和物體軌跡的方法對圖像要求較高，當圖像中的人被遮擋時，其跟蹤性能會明顯下降，導致異常檢測結果的正確率下降。……