-
题名改进时空图归一化流的异常行为识别方法
- 1
-
-
作者
许辰月
王蓉
郭放
曾昭龙
-
机构
中国人民公安大学信息网络安全学院
-
出处
《科学技术与工程》
北大核心
2025年第18期7693-7699,共7页
-
基金
中央高校基本科研业务费专项资金(2024JKF11)
中国人民公安大学安全防范工程双一流专项(2023SYL08)。
-
文摘
针对异常行为识别中人体动态骨架特征表达能力不充分的问题,提出了一种基于改进时空图归一化流的无监督异常行为识别方法,利用Transformer和卷积块注意力模块,在全局域和时空域中提高模型的特征表达能力,提升异常行为识别算法性能。首先,将Transformer模块引入归一化流的仿射层,在全局层面增强动态骨架特征信息的有效性;然后,分别在空间与时间图卷积模块中引入卷积注意力,有效地提升动态骨架特征的空间和时间表达能力;最后,在ShanghaiTech数据集和UBnormal数据集上进行仿真验证,识别精确度分别达到86.4%和70.2%,证明了方法的有效性。
-
关键词
异常行为识别
时空图卷积
归一化流
动态骨架特征
-
Keywords
anomalous action recognition
spatio-temporal graph convolution
normalizing flow
dynamic skeleton features
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
