基于人体属性分析的考场行为识别

摘要：

在实际监控的边缘设备中利用双流网络(temporal segment networks,TSN)或者3D卷积神经网络(3D convolutional neural network,3DCNN)网络很难实现实时的、相对准确的监控任务.提出了一种结合人体检测和人体属性分析的考场行为识别算法.相对于以提取时空特征作视频分类算法为主流思想的行为识别,利用视频帧以人体检测和人体属性分析结合的行为识别方法更加快速准确.方法借助了多标签学习、注意力机制和特征金字塔等策略来改进任务,同时利用迁移学习对本地采集的数据集进行再训练,实验结果表明达到了主流数据集的良好性能,并在考场环境具有高效性与实用性.

关键词：人体检测、人体属性分析、行为识别、多标签学习、特征金字塔

所属期刊栏目：22

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省科技厅重点项目;西物创新行动项目;成都理工大学工程技术学院青年科学基金

在线出版日期：2022-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：9721-9727