为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctu...为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctuation Analysis of nonstationary time series,MF-DFA),分析航空安全员的视觉搜索特征。结果表明:航空安全员的注视持续时间和扫视幅度与其识别异常行为的能力存在显著的正相关关系;具有高识别能力的航空安全员的注视持续时间和扫视幅度奇异谱宽度均大于低识别能力的航空安全员的奇异谱宽度,具有较强的抗外界干扰能力。将MF-DFA算法引入航空安全员的视觉搜索特征分析,为航空安全员的培训和选拔等提供参考。展开更多
近年来,异常行为识别算法取得了一定的研究进展,但是针对复杂环境、人体遮挡、动作相似度高等多种挑战,识别算法的适应性、效率、准确性都有待进一步提高。为了解决以上问题,提出了基于特征增强的人体检测与异常行为识别联合算法,首先...近年来,异常行为识别算法取得了一定的研究进展,但是针对复杂环境、人体遮挡、动作相似度高等多种挑战,识别算法的适应性、效率、准确性都有待进一步提高。为了解决以上问题,提出了基于特征增强的人体检测与异常行为识别联合算法,首先将视频序列分别送入人体检测网络和特征加强网络,再采用爱因斯坦求和法将特征加强网络输出的多头卷积注意力特征与人体检测网络输出的热力图特征融合,得到加强融合特征,然后利用检测网络输出的人体目标位置特征信息和ROI Align模块对加强融合特征进行人体ROI(region of interest)区域特征截取,得到人体ROI区域加强融合特征,最后将人体ROI区域加强融合特征送入Transformer时序建模网络模块进行人体行为特征时序建模和识别。所提算法充分利用检测网络中间过程产生的行为主体区域特征,弱化了复杂环境中背景的干扰,同时实现了检测网络的输出特征共享,避免了识别网络的二次特征提取过程,从而提高了网络运行效率,且利用Transformer网络的建模优势,能够充分挖掘人体行为空间特征、时序特征以及之间的跨域特征的优势。实验结果表明:所提算法在提高了网络效率的同时大幅度地提升了网络的识别准确率,达到了预期效果。展开更多
文摘为保证客舱安全,及时识别出旅客的异常行为,基于眼动仪,模拟客舱旅客异常行为,构建试验系统。选取参加过工作实习的空中保卫专业的学生作为被试,获取被试的视觉特征数据。基于多重分形消除趋势波动分析法(Multifractal Detrended Fluctuation Analysis of nonstationary time series,MF-DFA),分析航空安全员的视觉搜索特征。结果表明:航空安全员的注视持续时间和扫视幅度与其识别异常行为的能力存在显著的正相关关系;具有高识别能力的航空安全员的注视持续时间和扫视幅度奇异谱宽度均大于低识别能力的航空安全员的奇异谱宽度,具有较强的抗外界干扰能力。将MF-DFA算法引入航空安全员的视觉搜索特征分析,为航空安全员的培训和选拔等提供参考。
文摘近年来,异常行为识别算法取得了一定的研究进展,但是针对复杂环境、人体遮挡、动作相似度高等多种挑战,识别算法的适应性、效率、准确性都有待进一步提高。为了解决以上问题,提出了基于特征增强的人体检测与异常行为识别联合算法,首先将视频序列分别送入人体检测网络和特征加强网络,再采用爱因斯坦求和法将特征加强网络输出的多头卷积注意力特征与人体检测网络输出的热力图特征融合,得到加强融合特征,然后利用检测网络输出的人体目标位置特征信息和ROI Align模块对加强融合特征进行人体ROI(region of interest)区域特征截取,得到人体ROI区域加强融合特征,最后将人体ROI区域加强融合特征送入Transformer时序建模网络模块进行人体行为特征时序建模和识别。所提算法充分利用检测网络中间过程产生的行为主体区域特征,弱化了复杂环境中背景的干扰,同时实现了检测网络的输出特征共享,避免了识别网络的二次特征提取过程,从而提高了网络运行效率,且利用Transformer网络的建模优势,能够充分挖掘人体行为空间特征、时序特征以及之间的跨域特征的优势。实验结果表明:所提算法在提高了网络效率的同时大幅度地提升了网络的识别准确率,达到了预期效果。
