基于双通道C3D的基建现场人体异常行为识别
吴冬梅
卢静
蒋瑜
西安科技大学通信与信息工程学院 陕西西安 710054
摘要：异常行为识别在智能监控领域有广泛的应用前景.本文提出一种基于双通道C3D(Convolutional 3D,三维卷积)的行为识别方法,对打架、向下抛物、摔倒、跨越警戒线这四类异常行为以及走路、跑步、工作这三类正常行为进行识别.该方法的一个通道通过提取视频的RGB图像送入C3D网络来获取静态特征;另一个通道通过提取视频的光流图像送入C3D网络来获取动态特征;最后,利用双通道网络在卷积层融合、全连接层融合、混合融合的方法将静态特征与动态特征相结合,对比实验结果表明,最优识别率达到97.7564％,证明了该网络结构在基建现场应用场景中的有效性和可行性.
关键词：异常行为识别深度学习C3D卷积神经网络网络模型融合
论文发表日期：2020-01-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 28-31 )
英文信息