文章摘要
陈杰,李展,颜普,徐恒,杨某闪.基于 3D SE-Densenet 网络的视频暴力行为识别改进算法[J].安徽建筑大学学报,2023,31(1):56-63
基于 3D SE-Densenet 网络的视频暴力行为识别改进算法
Improved Video Violence Recognition Algorithm Based on 3D SE-Densenet
  
DOI:
中文关键词: 暴力行为识别  深度学习  Densenet  SENet
英文关键词: violence identification  deep learning  Densenet  SENet
基金项目:国家自然科学基金项目(61901006);安徽省高校自然科学重点项目(2022AH050249);安徽省高校协同创新项目(GXXT-2019-007);安徽省住房城乡建设科学技术计划项目(2020-YF22)
作者单位
陈杰 安徽建筑大学 电子与信息工程学院安徽 合肥 230601安徽省古建筑智能感知与高维建模国际联合研究中心安徽 合肥 230601 
李展 安徽建筑大学 电子与信息工程学院安徽 合肥 230601安徽省古建筑智能感知与高维建模国际联合研究中心安徽 合肥 230601 
颜普 安徽建筑大学 电子与信息工程学院安徽 合肥 230601安徽省古建筑智能感知与高维建模国际联合研究中心安徽 合肥 230601 
徐恒 安徽建筑大学 电子与信息工程学院安徽 合肥 230601安徽省古建筑智能感知与高维建模国际联合研究中心安徽 合肥 230601 
杨某闪 安徽建筑大学 电子与信息工程学院安徽 合肥 230601安徽省古建筑智能感知与高维建模国际联合研究中心安徽 合肥 230601 
摘要点击次数: 5882
全文下载次数: 0
中文摘要:
      针对传统暴力行为识别算法精度不高和三维卷积神经网络参数多的问题,本文提出一种基于 3DSE-Densenet 网络的视频暴力行为识别改进算法。采用 3D Densenet 模型提取视频中的时空特征信息,SENet(Squeeze-and-Excitation Networks)按照时空特征的重要性程度进行加权处理,根据加权的时空特征识别视频中的暴力行为。实验结果表明,本文提出的 3D SE-Densenet 方法在 Hockey Fights Dataset 和 Movies Dataset 上识别准确率分别达到 99.1% 和 100%,可较准确地识别暴力行为,准确率高于传统方法。
英文摘要:
      针对传统暴力行为识别算法精度不高和三维卷积神经网络参数多的问题,本文提出一种基于 3DSE-Densenet 网络的视频暴力行为识别改进算法。采用 3D Densenet 模型提取视频中的时空特征信息,SENet(Squeeze-and-Excitation Networks)按照时空特征的重要性程度进行加权处理,根据加权的时空特征识别视频中的暴力行为。实验结果表明,本文提出的 3D SE-Densenet 方法在 Hockey Fights Dataset 和 Movies Dataset 上识别准确率分别达到 99.1% 和 100%,可较准确地识别暴力行为,准确率高于传统方法。
查看全文   查看/发表评论  下载PDF阅读器
关闭

分享按钮