################################################
博主github：https://github.com/MichaelBeechan
博主CSDN：https://blog.csdn.net/u011344545
################################################

問題

• 利用所獲取前景目標信息，自動判斷監控視頻中有無人群短時聚集、人群驚慌逃散、群體規律性變化（如跳舞、列隊排練等）、物體爆炸、建筑物倒塌等異常事件。
• 場景的分類就是按照人類的思維方式來模擬場景的視覺感知，用來區分各類目標場景。
• 針對這個問題，本文將就人群的異常行為識別進行主要的分析。人群行為檢測設計的主要相關問題包括：人群運動區域檢測、人群行為特征的提取、人群行為分類識別等內容。1）在人群運動區域檢測方面，可以利用解決前幾個問題的幾種方法實現，包括背景減除法、幀差法、高斯混合模型法和光流法等。對人群運動區域進行準確檢測。保證了后續研究工作的可靠性。2）研究并設計了一種特征提取及描述策略，將運動區域像素點計算得到的速度及方向信息應用于時空立方體中，使其適用于運動隨意性較強的場景中的行為特征提取。將時空立方體特征與具有競爭機制的神經網絡模型結合，提出了完整的人群異常行為識別方法。

思路

• 采用深度神經網絡的方法對場景進行識別分類。本題圍繞神經網絡訓練與識別，深度學習和卷積神經網絡的新型標簽機制的選擇作為切入點，進行了深入的研究。
  a）

總結

以上是生活随笔為你收集整理的计算机视觉与深度学习 | 卷积神经网络实现异常行为识别（目标分割与提取）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。