2023年10月西安交通工程学院学术研究Oct.2023第8卷第3期AcademicResearchofXi’anTrafficEngineeringInstituteVol.8No.3基于融合残差网络的人体异常行为识别方作者简介：周璇（1997-），女，讲师，硕士，深度学习与图像处理。基金项目：陕西省教育厅科学研究计划项目资助（项目编号：23JK0529）。法周璇(西安交通工程学院陕西西安710300）摘要：在视频监控系统中实时检测并识别异常行为的能力是智能监控系统的关键问题。本文提出了一种基于融合残差网络的网络框架，实现从视频中检测并识别人体异常行为。该残差网络框架主要包括人体检测模块和行为识别模块。基于前者本文提出检测残差网络（d-Res）采用多尺度目标检测策略来保证人体的检测速度以及检测效果；后者用于提取异常行为空间特征，使用基于迁移学习的识别残差网络（r-Res）提取图像的深层次特征，从而高效地对异常行为进行分类。最后，在UTI数据集上进行了实验，对本文所提算法的性能进行了评估。实验结果表明，所提出的方法在检测识别现实场景中的异常行为方面取得了令人满意的效果。关键词：异常行为；融合残差网络；检测残差网络；迁移学习；识别残差网络中图分类号：TP391文献标识码：AHumanAbnormalBehaviorRecognitionMethodBasedonFusionResidualNetworkZHOUXuan(Xi'anTrafficEngineeringInstitute,Xi'anShaanxi710300,China)Abstract：Theabilitytodetectandidentifyabnormalbehaviorofvideosurveillancesystemsinreal-timeisthekeyproblemforintelligentsurveillancesystems.Thispaperproposesanetworkframeworkbasedonfusionresidualnetworkstodetectandidentifyabnormalhumanbehaviorfromvideo.Theresidualnetworkframeworkmainlyincludesahumandetectionmoduleandabehaviorrecognitionmodule.Basedontheformer,thispaperproposesthatthedetectionresidualnetwork(d-Res)adoptsamulti-scaleobjectdetectionstrategytoensurethespeedandeffectofhumandetection.Thelatterisusedtoextractthespatialfeaturesoftheabnormalbehaviorandusestherecognitionresidualnetwork(r-Res)basedontransferlearningtoextractthedeepfeaturesoftheimagesothateffectivelyclassifiestheabnormalbehavior.Finally,experimentsareperformedontheUTIdatasettoevaluatetheperformanceoftheproposedalgorithm.Theexperimentalresultsshowthattheproposedmethodachievessatisfactoryresultsindetecting...
