為通過校園監(jiān)控網(wǎng)絡(luò)實時發(fā)現(xiàn)校園欺凌事件,提出采用人體姿態(tài)檢測模型與遞歸神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法來分析視頻中的每一對個體行為,并通過一個完全連接的網(wǎng)絡(luò)來識別一系列視頻幀的行為,進而判斷是否存在校園暴力行為.此外,還建立一個包含了來自校園不同地方的3 000多個視頻片段數(shù)據(jù)庫,并對視頻中的運動行為進行標注,以用于訓練及測試.通過對照實驗發(fā)現(xiàn):與傳統(tǒng)方法相比,本文設(shè)計算法的實時分析準確率更高.

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1關(guān)鍵點的規(guī)范化流程

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

圖2原始圖像及人體骨骼詳解2檢測數(shù)據(jù)處理

同個體,并通過檢查和合并錯誤關(guān)鍵點來優(yōu)化OpenPose程序,以獲得更高的檢測精度;然后將每20個圖像的位置信息聚合形成數(shù)據(jù)集,并進行標準化;最后使用數(shù)據(jù)集通過Softmax交叉熵損失來訓練遞歸神經(jīng)網(wǎng)絡(luò),以檢測暴力行為發(fā)生與否.相應流程如圖1所示.圖1關(guān)鍵點的規(guī)范化流程1.2數(shù)據(jù)....

圖3優(yōu)化OpenPose算法關(guān)鍵點適應度函數(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,即個體j在之前找不到最佳匹配框架,我們便認為個人j第1次出現(xiàn)在第f1幀中,并賦予這個對象一種新的顏色.....

圖4標準化關(guān)鍵點

褳返?人在畫面中會顯得很大,并且不同位置將影響個體的大小以及它們在每幀中像素方面的運動幅度,從而降低判定準確度.因此,需要處理相關(guān)數(shù)據(jù),以盡量減少對檢測算法的干擾.在檢查個體的打斗狀態(tài)時,為了標準化每對個體的運動信息,將左側(cè)個體的臀部中心視為原點,將右側(cè)個體的臀部中心視為點(1,....

本文編號：4036626