通过关键框架检测和先进的入侵技术对犯罪活动进行安全监视的自动分类
1College of Criminal Investigation and Counter Terrorism, Criminal Investigation Police University of China, Shenyang, 110854, Liaoning, China. mychinalong@163.com.
Scientific reports
|December 14, 2025
概括
深度学习模型,特别是Inceptionv4,在视频监控中提供先进的自动化异常行为检测. 这种方法通过高效处理关键框架来实现95%的准确性,优于其他深度学习算法.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 视频监控系统正在迅速扩展,增加了对自动异常行为检测的需求.
- 传统的基于人类的监控是低效的,容易出现错误.
- 深度学习 (DL) 提供了分析复杂视频数据和检测异常的高级功能.
研究的目的:
- 使用先进的深度学习技术开发和评估一个自动化的异常行为检测系统.
- 解决传统监控方法的局限性.
- 提高视频源中异常检测的效率和准确性.
主要方法:
- 利用Inceptionv4模型,一种增强的卷积神经网络 (CNN),用于检测异常行为.
- 实施了一种新的关键框架提取方法,以减少数据大小并提高处理效率.
- 将模型应用于用于经验分析的标准数据集.
主要成果:
- Inceptionv4模型在检测异常行为方面达到95%的高精度.
- 提出的关键框架提取方法有助于高效的数据处理.
- 该模型与其他标准的深度学习算法和预训练模型相比,表现出更高的性能.
结论:
- 深度学习,特别是具有关键提取的Inceptionv4模型,为自动检测异常行为提供了高度有效的解决方案.
- 这种方法显著提高了监控系统的效率和准确性.
- 这项研究有助于推进智能视频监控能力.
关键词:
检测异常行为 检测异常行为分类 分类 分类 分类.计算机视觉 计算机视觉 计算机视觉深度学习是一种深度学习.数字图像处理是数字图像处理.在 Inceptionv4 中使用.关键框架提取 关键框架提取更多相关视频
05:57Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster Nephrops norvegicus
Published on: April 8, 2019
7.2K
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
5.2K
