深度卷积模型在智能监控系统中的异常行为检测的应用

深度卷积模型在智能监控系统中的异常行为检测的应用(中文8000字,英文PDF)
 摘要
在视频监控系统中即时检测危险行为的能力是智能监控系统中的关键问题。 本文提出了一种基于深度卷积模型的统一框架，用于从标准RGB图像中检测出异常的人类行为。
统一结构的目标是提高检测速度，同时保持识别的准确性。深度卷积模型包括：
（1）与以前的目标检测算法相比，提出用于解决目标实体分离问题的人体目标检测和识别模块；
（2）提取异常行为空间特征的姿态分类模块；
（3）基于长短期记忆（LSTM）的异常行为检测模块。
基准数据集上的实验评估了该方法在智能监控环境下的潜力。结果表明，所提出的方法在检测真实世界场景中的异常行为方面提供令人满意的性能。
关键词：行为识别卷积神经网络长短期记忆智能监控系统