本公开公开了基于帧间差分的暴力行为检测方法、系统、设备及介质,将待检测视频的所有帧图像,均输入到第一卷积神经网络中,输出每一帧图像的外观特征;利用帧间差分法对待检测视频进行处理,提取出若干个差分帧图像;将每一个差分帧图像,均输入到第二卷积神经网络中,输出每一个差分帧图像的动作特征;将每一帧图像的外观特征输入到第一分类器中,输出当前帧图像的第一分类标签;将每一个差分帧图像的动作特征输入到第二分类器中,输出当前差分帧图像的第二分类标签;将第一分类标签和第二分类标签进行融合,输出当前帧图像的暴力行为检测结果;当存在暴力行为图像的帧数超过设定阈值时,则认为待检测视频存在暴力行为。
为了提高视频中异常行为检测的效率与分类的准确率,大量研究者们开始从事计算机视觉相关技术来进行针对视频中异常行为识别方面的研究。通过对监控视频进行分析、定位、跟踪来分析目标的动作序列,另外还通过综合场景特征来实现异常行为的判定,以提高异常行为识别的效率。
随着社会的进步与经济的不断发展,公共安全事务越来越受到社会各界的关注。暴力事件的频繁发生,威胁着每个人的人身和生命安全,而无处不在的监控可以用来防范、制止暴力事件的发生。基于这些实际考虑,我们将重点放在利用计算机视觉和深度学习技术检测人类暴力行为上。
此技术是山东师范大学吕蕾研发,山东师范大学,位于山东省济南市,宗旨和业务范围是“面向社会培养高等学历师资人才,进行成人教育,促进教育事业发展”。
评价单位:- (-)
评价时间:2023-10-19
综合评价
技术转让,所需资金需双方协商,此项技术想尽快落地保定,希望具备此项技术研发的技术方,能够尽快承接次项目
查看更多>