基于深度学习的社区安防异常行为检测研究

摘要：

在人工智能快速发展的浪潮下,社区监控安防体系得到逐步加强和完善,安防监控行业迎来了智能化升级阶段.在安防监控图像处理技术领域,传统的机器视觉算法很难做到高精度和快速识别监控中的异常行为.基于此,本文提出了一种基于Faster-RCNN+SlowFast网络的社区安防异常行为识别方法.该方法通过提取视频关键帧中时间和空间信息进行目标定位与行为分析,提高了识别精度和速率.通过实时分析视频监控中的人体动作,识别出社区中发生的打架、盗窃、破坏公物等行为,并将信息上报给社区安保系统.通过采取及时的预警措施,有效地维护了社区治安稳定.

关键词：SlowFast、Faster-RCNN、目标检测、时空分析、深度学习

所属期刊栏目：13

分类号：TP391.4(计算技术、计算机技术)

资助基金：大学生创新创业训练计划项目

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：189-192