基于C3D-GRNN模型的人群异常行为识别算法.pdfVIP

测控技术

·４４·２０２０３９７模式识别与人工智能

年第卷第期

基于Ｃ３ＤＧＲＮＮ模型的人群异常行为识别算法

彭月平，蒋圻，徐蕾

（武警工程大学信息工程学院，陕西西安７１００８６）

摘要针对传统人群行为识别算法受人工主观因素影响较大等问题综合三维卷积神经网络Ｃ３Ｄ与广

：，（）

义回归神经网络（ＧＲＮＮ）的优势和特点，提出并实现了基于Ｃ３ＤＧＲＮＮ模型的人群异常行为识别算法。

ＶｉＢｅＣ３ＤＨＯＧ

该算法首先采用算法确定运动目标区域，然后通过改进网络提取目标的时空特征，再

加入层进行分类训练最后根据训练好的模型完成人群异常行为的识别与分类实

ＧＲＮＮ，Ｃ３ＤＧＲＮＮ。

验结果表明所提算法的ＨＯＧ时空特征能够明显提升对人群行为的表达能力减少了特征提取工作量

：，，

，

并且该方法的准确度和鲁棒性均高于支持向量机等其他同类方法为小样本数据集的分类问题提供解

决新思路，具有较高的应用价值。

关键词：人群异常行为；卷积神经网络；广义回归神经网络；ＨＯＧ特征

中图分类号ＴＰ３９１４１文献标识码Ａ文章编号１０００－８８２９２０２００７－００４４－０７

：：：（）

ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２０．０７．００８

ＡｎＡｌｇｏｒｉｔｈｍｆｏｒＩｄｅｎｔｉｆｙｉｎｇＣｒｏｗｄＡｂｎｏｒｍａｌＢｅｈａｖｉｏｒ

ＢａｓｅｄｏｎＣ３ＤＧＲＮＮＭｏｄｅｌ

ＰＥＮＧＹｕｅｐｉｎｇ牞ＪＩＡＮＧＲｏｎｇｑｉ牞ＸＵＬｅｉ

牗ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ牞ＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰＡＰ牞Ｘｉａｎ７１００８６牞Ｃｈｉｎａ牘

Ａｂｓｔｒａｃｔ牶Ｉｎｏｒｄｅｒｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｔｈａｔｔｈｅｔｒａｄｉｔｉｏｎａｌｃｒｏｗｄｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｉｓｇｒｅａｔｌｙａｆ

ｆｅｃｔｅｄｂｙｓｕｂｊｅｃｔｉｖｅｆａｃｔｏｒｓ牞ａｎａｌｇｏｒｉｔｈｍｆｏｒｉｄｅｎｔｉｆｙｉｎｇｃｒｏｗｄａｂｎｏｒｍａｌｂｅｈａｖｉｏｒｂａｓｅｄｏｎＣ３ＤＧＲＮＮｍｏｄｅｌ

ｉｓｐｒｏｐｏｓｅｄａｎｄｉｍｐｌｅｍｅｎｔｅｄｂｙｓｙｎｔｈｅｓｉｚｉｎｇｔｈｅａｄｖａｎｔａｇｅｓａｎｄｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＣ３ＤａｎｄＧＲＮＮ．Ｆｉｒｓｔｌｙ牞ｔｈｅ

ＶｉＢｅａｌｇｏｒｉｔｈｍｗａｓｕｓｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｍｏｖｉｎｇｔａｒｇｅｔａｒｅａ．ＴｈｅｎｔｈｅＨＯＧｓｐａｔｉｏｔｅｍｐｏｒａｌｆｅａｔｕｒｅｓｏｆｔｈｅｔａｒ

ｇｅｔｗｅｒｅｅｘｔｒａｃｔｅｄｂｙｉｍｐｒｏｖｉｎｇｔｈｅＣ３