發(fā)布時間：2020-12-30 03:23

　　隨著數(shù)字經(jīng)濟的不斷發(fā)展,信息化逐漸融入到日常生活的方方面面。通過計算機視覺技術(shù),實現(xiàn)人群異常行為分析與理解,及時發(fā)現(xiàn)和識別潛在的危險行為,從技術(shù)和基礎(chǔ)設施普及方面成為可能。本文分析了計算機視覺識別技術(shù)相關(guān)的CNN(卷積神經(jīng)網(wǎng)絡)、LSTM(長短期記憶網(wǎng)絡)及深度學習建模等技術(shù),設計了數(shù)字經(jīng)濟條件下,以各類視覺采集系統(tǒng)為基礎(chǔ),對各類異常行為檢測的系統(tǒng)原型。 

【文章來源】：營銷界. 2020年29期

【文章頁數(shù)】：2 頁

【部分圖文】：

圖1 雙流CNN構(gòu)成圖

隨著技術(shù)的發(fā)展，Hochreiter[3]等人提出了長短期記憶網(wǎng)絡（Long-Short Term Memory,LSTM）技術(shù)。LSTM是一種特殊的RNNs，相對于RNNs不會有梯度消失的問題，它能夠?qū)W習長期依賴。經(jīng)過相關(guān)研究者的不斷努力，該技術(shù)變得越來越成熟。通過特殊的循環(huán)神經(jīng)網(wǎng)絡模型，解決對時間序列的依賴問題。長短時記憶網(wǎng)絡由遺忘門、傳入門、輸出門組成，可以擬合序列數(shù)據(jù)，通過遺忘門和輸出門忘記部分信息來解決梯度消失的問題[4]。LSTM非常適合處理與時間序列高度相關(guān)的問題，它可以方便的對視頻中的短時間和長時間信息進行模擬，但是也存在缺點，即對未來信息未能處理，只能從單一方向?qū)W習。雙向長短時記憶網(wǎng)絡(Bi-LSTM)對傳統(tǒng)的LSTM進行了改進，捕獲了相關(guān)信息的發(fā)生時間，從時間點前后進行了信息的捕獲，模擬相反方向的信息，具有更強的針對時序信息的處理能力。

【參考文獻】：
期刊論文
[1]基于LSTM的視頻行為識別技術(shù)與應用分析[J]. 徐天宇,陳昊佢.  信息與電腦(理論版). 2020(04)

碩士論文
[1]基于深度學習的異常行為檢測技術(shù)及其應用[D]. 趙鵬飛.南京郵電大學 2019
[2]基于視頻的公共場所人群異常行為檢測系統(tǒng)的設計與實現(xiàn)[D]. 朱弈霖.東南大學 2019



本文編號：2946887