為通過(guò)校園監(jiān)控網(wǎng)絡(luò)實(shí)時(shí)發(fā)現(xiàn)校園欺凌事件,提出采用人體姿態(tài)檢測(cè)模型與遞歸神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法來(lái)分析視頻中的每一對(duì)個(gè)體行為,并通過(guò)一個(gè)完全連接的網(wǎng)絡(luò)來(lái)識(shí)別一系列視頻幀的行為,進(jìn)而判斷是否存在校園暴力行為.此外,還建立一個(gè)包含了來(lái)自校園不同地方的3 000多個(gè)視頻片段數(shù)據(jù)庫(kù),并對(duì)視頻中的運(yùn)動(dòng)行為進(jìn)行標(biāo)注,以用于訓(xùn)練及測(cè)試.通過(guò)對(duì)照實(shí)驗(yàn)發(fā)現(xiàn):與傳統(tǒng)方法相比,本文設(shè)計(jì)算法的實(shí)時(shí)分析準(zhǔn)確率更高.

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1關(guān)鍵點(diǎn)的規(guī)范化流程

凳北硐值確矯孀齙酶??判?1檢測(cè)方法1.1模型構(gòu)建通過(guò)構(gòu)建OpenPose算法模型來(lái)幫助檢測(cè)暴力事件.首先,從監(jiān)控系統(tǒng)中獲取視頻,提取身體上的關(guān)鍵點(diǎn);接著,將這些關(guān)鍵點(diǎn)視作連續(xù)運(yùn)動(dòng)的樣本,并在每個(gè)個(gè)體的一系列圖像間匹配這些關(guān)鍵點(diǎn),為區(qū)分不同圖像中的相同個(gè)體,使用不同顏色表示不同個(gè)....

圖2原始圖像及人體骨骼詳解2檢測(cè)數(shù)據(jù)處理

同個(gè)體,并通過(guò)檢查和合并錯(cuò)誤關(guān)鍵點(diǎn)來(lái)優(yōu)化OpenPose程序,以獲得更高的檢測(cè)精度;然后將每20個(gè)圖像的位置信息聚合形成數(shù)據(jù)集,并進(jìn)行標(biāo)準(zhǔn)化;最后使用數(shù)據(jù)集通過(guò)Softmax交叉熵?fù)p失來(lái)訓(xùn)練遞歸神經(jīng)網(wǎng)絡(luò),以檢測(cè)暴力行為發(fā)生與否.相應(yīng)流程如圖1所示.圖1關(guān)鍵點(diǎn)的規(guī)范化流程1.2數(shù)據(jù)....

圖3優(yōu)化OpenPose算法關(guān)鍵點(diǎn)適應(yīng)度函數(shù)定義如下:

,(,))ififififDxyxy22,,1,,1()()ifjfifjfxxyy.(1)然而,如果最小的,,,1,1((,),(,))ififififDxyxy仍然大于閾值,即個(gè)體j在之前找不到最佳匹配框架,我們便認(rèn)為個(gè)人j第1次出現(xiàn)在第f1幀中,并賦予這個(gè)對(duì)象一種新的顏色.....

圖4標(biāo)準(zhǔn)化關(guān)鍵點(diǎn)

褳返?人在畫(huà)面中會(huì)顯得很大,并且不同位置將影響個(gè)體的大小以及它們?cè)诿繋邢袼胤矫娴倪\(yùn)動(dòng)幅度,從而降低判定準(zhǔn)確度.因此,需要處理相關(guān)數(shù)據(jù),以盡量減少對(duì)檢測(cè)算法的干擾.在檢查個(gè)體的打斗狀態(tài)時(shí),為了標(biāo)準(zhǔn)化每對(duì)個(gè)體的運(yùn)動(dòng)信息,將左側(cè)個(gè)體的臀部中心視為原點(diǎn),將右側(cè)個(gè)體的臀部中心視為點(diǎn)(1,....

本文編號(hào)：4036626