公开(公告)号：CN113361370B

公开(公告)日：2023-06-23

申请号：CN202110611720.1

申请日：2021-06-02

Applicant: 南京工业大学

Inventor： 沈捷 ,  马程杰 ,  徐硕 ,  王莉 ,  霍瑜鹏

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于深度学习的异常行为检测方法，具体包括以下步骤：S1、图像获取：利用摄像机获取实际场景RGB图像，S2、行人检测：利用目标检测算法YOLOv5检测当前视频帧中行人，输出检测框的位置信息、置信度与类别，对检测结果进行筛选，去除冗余框，本发明涉及人体行为识别技术领域。该基于深度学习的异常行为检测方法，采用计算机视觉的方式，增强在实际场景中的稳定性，通过摄像头获取的RGB图像，检测得到结果后，采用随机涂鸦进行数据增强来应对场景中的遮挡问题，平衡了准确度与实时性的的需求，对存在遮挡的实际环境，具有较强的抗干扰能力。

公开(公告)号：CN113361370A

公开(公告)日：2021-09-07

申请号：CN202110611720.1

申请日：2021-06-02

Applicant: 南京工业大学

Inventor： 沈捷 ,  马程杰 ,  徐硕 ,  王莉 ,  霍瑜鹏

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习的异常行为检测方法，具体包括以下步骤：S1、图像获取：利用摄像机获取实际场景RGB图像，S2、行人检测：利用目标检测算法YOLOv5检测当前视频帧中行人，输出检测框的位置信息、置信度与类别，对检测结果进行筛选，去除冗余框，本发明涉及人体行为识别技术领域。该基于深度学习的异常行为检测方法，采用计算机视觉的方式，增强在实际场景中的稳定性，通过摄像头获取的RGB图像，检测得到结果后，采用随机涂鸦进行数据增强来应对场景中的遮挡问题，平衡了准确度与实时性的的需求，对存在遮挡的实际环境，具有较强的抗干扰能力。