公开(公告)号：CN114782998B

公开(公告)日：2024-11-15

申请号：CN202210568679.9

申请日：2022-05-24

Applicant: 上海大学

Inventor： 韩军 ,  杨涛 ,  林浩宇 ,  俞锦翔 ,  庞红玉

IPC: G06V40/20 ,  G06V20/52 ,  G06V10/44 ,  G06V10/62 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明提供一种基于骨架关节点增强时空卷积网络的异常行为识别方法，包括：数据集预处理后生成多帧骨架序列；所述多帧骨架序列输入至若干个连续的时空卷积模块中，进行关节增强并输出时序特征；将所述时序特征输入至全局平均池化层和分类器得到异常行为识别结果。通过空间增强移位模块对各个关节点分配不同程度的权重，突出重要关节点的特征信息。本实施例训练的关节点增强时空卷积模型能有效检测人体异常行为并及时发出警报，该方法在较少计算量的情况下达到较高的准确率和召回率。

公开(公告)号：CN114782998A

公开(公告)日：2022-07-22

申请号：CN202210568679.9

申请日：2022-05-24

Applicant: 上海大学

Inventor： 韩军 ,  杨涛 ,  林浩宇 ,  俞锦翔 ,  庞红玉

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/74 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于骨架关节点增强时空卷积网络的异常行为识别方法，包括：数据集预处理后生成多帧骨架序列；所述多帧骨架序列输入至若干个连续的时空卷积模块中，进行关节增强并输出时序特征；将所述时序特征输入至全局平均池化层和分类器得到异常行为识别结果。通过空间增强移位模块对各个关节点分配不同程度的权重，突出重要关节点的特征信息。本实施例训练的关节点增强时空卷积模型能有效检测人体异常行为并及时发出警报，该方法在较少计算量的情况下达到较高的准确率和召回率。

公开(公告)号：CN114663816A

公开(公告)日：2022-06-24

申请号：CN202210314736.0

申请日：2022-03-28

Applicant: 上海大学

Inventor： 韩军 ,  姜海燕 ,  林浩宇 ,  俞锦翔 ,  庞红玉

IPC: G06V20/40 ,  G06N3/04 ,  G06K9/62 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764

Abstract: 本发明提供一种基于轻量化双帧速率网络的异常行为识别方法、装置和系统，包括：原始视频数据输入轻量化双帧速率卷积神经网络；轻量化双帧速率卷积神经网络的低帧率分支网络捕获原始视频数据的空间语义信息；轻量化双帧速率卷积神经网络的高帧率分支网络捕获原始视频数据的运动信息；使用横向连接将低帧率分支网络和高帧率分支网络的各个阶段进行特征融合；低帧率分支网络和高帧率分支网络各自输出的特征向量进行合并，获得合并特征；将合并特征输入分类器，得到异常行为识别分类结果。本发明两分支网络采用轻量化网络作为基础网络，在保持低帧率分支网络提取空间语义的能力以及高帧率分支网络提取时间语义信息的同时，大大提高了检测效率。