文献类型：期刊文章

作　　者：张红民[1,2] 庄旭[1] 郑敬添[1] 房晓冰[1]

ZHANG Hongmin;ZHAUNG Xu;ZHENG Jingtian;FANG Xiaobing(School of Electrical and Electronic Engineering,Chongqing University of Technology,Chongqing 400054,China;Liangjiang International College,Chongqing University of Technology,Chongqing 401135,China)

机构地区：[1]重庆理工大学电气与电子工程学院,重庆400054 [2]重庆理工大学两江国际学院,重庆401135

出　　处：《计算机工程与应用》

基　　金：重庆市自然科学基金面上项目(cstc2021 jcyj-msxmX0525)。

年　　份：2023

卷　　号：59

期　　号：7

起止页码：242-249

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：鉴于公共场合监测视频信息中周围环境背景信息干扰大以及人体异常行为目标的尺度不同,目前人体异常行为检测的准确性难以进一步提高。针对上述问题,设计了通过改进YOLOv5网络的异常行为检测方法。该方法在原YOLOv5主干网络添加屏蔽卷积注意力模型,该模块从一个屏蔽卷积层开始,感受野的中心区域被遮掩,通过预测屏蔽信息并利用与屏蔽信息相关的误差作为异常得分。在检测网络中嵌入Swin-CA模块。通过对相邻层特征的学习,使得模型能够更好地掌握全局信息,从而减小了背景信息对检测结果的影响,通过提取不同背景中人体异常行为尺度特征,降低了整个模型计算的复杂度,提高了模型对人体异常行为目标定位的精度。在UCSD-ped1、KTH和Shanghai Tech数据集上的实验结果表明,提出方法的检测精度分别达到了98.2%、96.4%和95.8%。

关 键 词：人体异常行为  YOLOv5  屏蔽卷积  注意力机制  Swin-CA模块  

分 类 号：TP391]