在CCTV监控中使用注意力增强实时血液检测 InceptionV3 开始
Adnan Khalil1, Fakhre Alam1, Dilawar Shah2
1Department of Computer Science and Information Technology, University of Malakand, Dir, Pakistan.
Scientific reports
|August 8, 2025
概括
这项研究引入了一个深度学习框架,用于在CCTV录像中实时检测血液. 这种先进的模型达到94%以上的准确性,提高了公共安全监控.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 公共卫生监督 公共卫生监督
背景情况:
- 在CCTV录像中精确检测血液对于公共安全和应急响应至关重要.
- 现有的方法在具有挑战性的条件下扎,例如低可见度和运动模糊.
研究的目的:
- 开发一个实时深度学习框架,用于监控视频中准确检测血液.
- 为了增强模型在不利条件下识别微妙血液模式的能力.
主要方法:
- 使用了InceptionV3架构与卷积块注意力模块相结合.
- 开发了一种新的注意力模块,专注于小血型.
- 在9500多张注释的CCTV图像的定制数据集上训练和评估模型.
主要成果:
- 实现了94.5%的检测准确度.
- 报告的精度,回忆和F1分数超过94%.
- 在各种条件下识别血液痕迹方面表现优于基线方法.
结论:
- 拟议的深度学习框架有效地检测在现实世界CCTV监控中的血液.
- 这为改善公共卫生和安全监测提供了实用和可扩展的解决方案.
- 该研究提供了一个开源数据集和代码,用于进一步研究.
