期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于人体骨架序列的手扶电梯乘客异常行为识别
被引量：
21
1
作者
田联房
吴啟超
+3 位作者
杜启亮
黄理广
李淼
张大明
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2019年第4期10-19,共10页
手扶电梯(简称扶梯)乘客异常行为识别研究具有重要意义.针对传统行为识别算法易受环境影响、不能实时并准确对多目标进行识别的问题,提出一种基于人体骨架序列的扶梯乘客异常行为识别算法.该算法首先通过结合可变形组件模型特征的支持...
手扶电梯(简称扶梯)乘客异常行为识别研究具有重要意义.针对传统行为识别算法易受环境影响、不能实时并准确对多目标进行识别的问题,提出一种基于人体骨架序列的扶梯乘客异常行为识别算法.该算法首先通过结合可变形组件模型特征的支持向量机检测乘客人脸,并用改进的核相关滤波器对其进行跟踪,从而得到乘客在扶梯中的运动轨迹;接着利用卷积神经网络提取轨迹中乘客的人体骨架序列,并通过模板匹配从乘客人体骨架序列中检测异常行为骨架序列;最后利用动态时间规整将其与各类异常行为骨架序列匹配,基于k近邻方法识别异常行为.对10段扶梯视频的实验结果表明,文中所提的异常行为识别算法处理速度达到10帧/秒,识别准确率为93.2%,能够实时、准确地识别多种乘客异常行为.
展开更多
关键词
手扶电梯
人体骨架序列
异常行为识别
支持向量机
核相关滤波
卷积神经网络
动态时间规整
在线阅读
下载PDF
职称材料
基于视频监控的手扶电梯乘客异常行为识别
被引量：
19
2
作者
杜启亮
黄理广
+3 位作者
田联房
黄迪臻
靳守杰
李淼
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第8期10-21,共12页
针对乘客在搭乘扶梯时的危险行为难以被实时准确检测的问题,提出了一种基于视频监控的手扶电梯乘客异常行为识别算法。首先,使用YOLOv3对图像中乘客的位置进行检测;接着,使用MobileNetv2作为基网络,结合反卷积层对检测出来的乘客进行人...
针对乘客在搭乘扶梯时的危险行为难以被实时准确检测的问题,提出了一种基于视频监控的手扶电梯乘客异常行为识别算法。首先,使用YOLOv3对图像中乘客的位置进行检测;接着,使用MobileNetv2作为基网络,结合反卷积层对检测出来的乘客进行人体骨架提取;然后,使用骨架距离作为跟踪依据,采用匈牙利匹配算法对相邻帧间的人体骨架进行匹配,实现视频中乘客的ID号分配;最后,通过图卷积神经网络对乘客关键点信息进行异常行为识别。在GTX1080GPU上的实验结果表明,文中提出的识别算法的处理速度能达到15 f/s,异常行为识别准确率达94.3%,能够实时准确地识别手扶电梯上乘客的异常行为。
展开更多
关键词
手扶电梯
深度学习
卷积神经网络
行人检测
人体关键点提取
匈牙利匹配算法
在线阅读
下载PDF
职称材料
题名
基于人体骨架序列的手扶电梯乘客异常行为识别
被引量：
21
1
作者
田联房
吴啟超
杜启亮
黄理广
李淼
张大明
机构
华南理工大学自动化科学与工程学院
华南理工大学自主系统与网络控制教育部重点实验室
日立电梯(广州)自动扶梯有限公司
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2019年第4期10-19,共10页
基金
国家科技部海防公益类项目(201505002)
广东省前沿与关键技术创新专项资金资助项目(2016B090912001)
广州市产学研项目(201604010114)~~
文摘
手扶电梯(简称扶梯)乘客异常行为识别研究具有重要意义.针对传统行为识别算法易受环境影响、不能实时并准确对多目标进行识别的问题,提出一种基于人体骨架序列的扶梯乘客异常行为识别算法.该算法首先通过结合可变形组件模型特征的支持向量机检测乘客人脸,并用改进的核相关滤波器对其进行跟踪,从而得到乘客在扶梯中的运动轨迹;接着利用卷积神经网络提取轨迹中乘客的人体骨架序列,并通过模板匹配从乘客人体骨架序列中检测异常行为骨架序列;最后利用动态时间规整将其与各类异常行为骨架序列匹配,基于k近邻方法识别异常行为.对10段扶梯视频的实验结果表明,文中所提的异常行为识别算法处理速度达到10帧/秒,识别准确率为93.2%,能够实时、准确地识别多种乘客异常行为.
关键词
手扶电梯
人体骨架序列
异常行为识别
支持向量机
核相关滤波
卷积神经网络
动态时间规整
Keywords
escalator
human skeleton sequence
abnormal behavior recognition
support vector machines
kernelized correlation filter
convolutional neural network
dynamic time warping
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于视频监控的手扶电梯乘客异常行为识别
被引量：
19
2
作者
杜启亮
黄理广
田联房
黄迪臻
靳守杰
李淼
机构
华南理工大学自动化科学与工程学院
华南理工大学自主系统与网络控制教育部重点实验室
广州地铁集团有限公司
日立电梯(广州)自动扶梯有限公司
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020年第8期10-21,共12页
基金
国家科技部海防公益类项目(201505002)
广东省科技计划项目(2016B090912001)
+4 种基金
广东省重点领域研发计划“新一代人工智能”重大科技专项(2018B010109001)
广东省重点领域研发计划“精准农业”重点专项(2019B020214001)
广州市产业技术重大攻关计划(2019-01-01-12-1006-0001)
华南理工大学中央高校基本科研业务费专项资金资助项目(2018KZ05)
华南理工大学研究生教育改革项目(zysk2018005)。
文摘
针对乘客在搭乘扶梯时的危险行为难以被实时准确检测的问题,提出了一种基于视频监控的手扶电梯乘客异常行为识别算法。首先,使用YOLOv3对图像中乘客的位置进行检测;接着,使用MobileNetv2作为基网络,结合反卷积层对检测出来的乘客进行人体骨架提取;然后,使用骨架距离作为跟踪依据,采用匈牙利匹配算法对相邻帧间的人体骨架进行匹配,实现视频中乘客的ID号分配;最后,通过图卷积神经网络对乘客关键点信息进行异常行为识别。在GTX1080GPU上的实验结果表明,文中提出的识别算法的处理速度能达到15 f/s,异常行为识别准确率达94.3%,能够实时准确地识别手扶电梯上乘客的异常行为。
关键词
手扶电梯
深度学习
卷积神经网络
行人检测
人体关键点提取
匈牙利匹配算法
Keywords
escalator
deep learning
convolutional neural networks
pedestrian detection
pose estimation
Hungarian assignment algorithm
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于人体骨架序列的手扶电梯乘客异常行为识别
田联房
吴啟超
杜启亮
黄理广
李淼
张大明
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2019
21
在线阅读
下载PDF
职称材料
2
基于视频监控的手扶电梯乘客异常行为识别
杜启亮
黄理广
田联房
黄迪臻
靳守杰
李淼
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2020
19
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
