《電子技術應用》
您所在的位置:首頁 > 通信与网络 > 设计应用 > 基于时间注意力增强的电厂智能安防监控人体异常行为识别
基于时间注意力增强的电厂智能安防监控人体异常行为识别
电子技术应用
张威,许虎,尚志强
河北大唐国际张家口热电有限责任公司
摘要: 电厂厂区内强光切换或阴影交错会影响特征点稳定性,使得高帧率视频流处理时时序信息断裂,难以获取连续视频帧中人体特征点的变化方向,导致行为识别的EER均值较高。为此,开展了基于时间注意力增强的电厂智能安防监控人体异常行为识别研究。引入时间注意力增强模块,对监控视频进行短距离和长距离时间特征增强,融合后输出跨越多个视频分段的联合特征,以关联分割的视频帧信息。利用距离-转角表示法计算连续视频帧中人体特征点的变化方向,根据方向关系识别异常行为。在测试数据集上,设计方法输出跨越多个视频分段的人体特征信息。其异常行为识别的AUC达到0.92,EER均值稳定在0.15以内,处于较低水平。
中圖分類號:TN60 文獻標志碼:A DOI: 10.16157/j.issn.0258-7998.257046
中文引用格式: 張威,許虎,尚志強. 基于時間注意力增強的電廠智能安防監控人體異常行為識別[J]. 電子技術應用,2026,52(4):78-82.
英文引用格式: Zhang Wei,Xu Hu,Shang Zhiqiang. Recognition of abnormal human behavior in intelligent security monitoring of power plants based on time attention enhancement[J]. Application of Electronic Technique,2026,52(4):78-82.
Recognition of abnormal human behavior in intelligent security monitoring of power plants based on time attention enhancement
Zhang Wei,Xu Hu,Shang Zhiqiang
Hebei International Zhangjiakou Thermal Power Co.,Ltd.
Abstract: The switching of strong light or the interweaving of shadows within the power plant area can affect the stability of feature points, causing the temporal information to break during the processing of high frame rate video streams. It is difficult to obtain the change direction of human feature points in continuous video frames, resulting in a relatively high average EER for behavior recognition. For this purpose, research on the recognition of abnormal human behaviors in intelligent security monitoring of power plants based on temporal attention enhancement has been carried out. The temporal attention enhancement module is introduced to enhance the short-distance and long-distance temporal features of surveillance videos. After fusion, a joint feature spanning multiple video segments is output to correlate the information of the segmented video frames. The distance-rotation angle representation method is used to calculate the change direction of human feature points in consecutive video frames, and abnormal behaviors are identified based on the direction relationship. On the test dataset, the design method outputs human feature information spanning multiple video segments. The AUC for its abnormal behavior recognition reached 0.92, and the mean EER was stable within 0.15, which was at a relatively low level.
Key words : time attention enhancement;security monitoring;abnormal human behavior;short distance temporal feature enhancement;long distance temporal feature enhancement;distance corner representation method;feature points

引言

利用監控視頻對人體異常行為進行識別時,部分監控設備由于硬件限制或安裝位置較遠[1],拍攝的視頻分辨率較低,導致人體行為細節難以清晰呈現,影響行為特征的提取和識別。其次,監控攝像頭可能因受到外力干擾、設備老化或拍攝環境不穩定等因素[2],出現畫面模糊或抖動的情況。這會使視頻中的人體輪廓和行為軌跡不清晰,增加行為識別的難度。例如,戶外監控中強風可能導致攝像頭晃動,畫面不穩定[3]。除此之外,監控視頻中正常行為占主導,異常行為發生頻率較低。這需要從海量正常行為數據中篩選少量異常行為,增加了數據處理難度和誤判風險[4]。

在相關研究中,張冰冰等人針對小樣本視頻行為識別方法在全局時空信息獲取和復雜行為建模方面的局限,開展了基于連續幀信息融合建模的研究[5],在2D卷積架構下,設計連續幀信息融合模塊位于網絡的輸入端,以負責捕獲并轉化低級信息,輸出了更加豐富的高級語義信息。將多維注意力建模模塊作為網絡的中間層,進而解決時空特征信息建模不足的問題,利用模型捕捉具體的時空關系的捕捉。實驗結果表明,所提方法在多個主流數據集上準確率顯著提升,但2D卷積架構在視頻幀分割狀態下EER較低。古學茹等人針對當前人體骨骼動作識別算法全局關系描述不夠詳盡、時空特征挖掘不夠充分等問題,開展了基于多流自適應時空圖卷積網絡的人體行為識別研究[6],使用注意力機制和NTN算法求解每對關節點之間的連接強度后,構建了全局鄰接矩陣;利用topK策略對連接強度標準下動態選擇前K個鄰居節點,更新全局鄰接矩陣;采用混合池化模型提取全局上下文信息及時間關鍵幀特征,并進行建模,輸出動作表征。實驗結果表明,該模型在人體骨骼動作識別任務中有效提高了動作識別的準確率。但是EER的離散程度受時間關鍵幀特征的影響較為明顯。趙晨等人針對時間位移導致的特征破壞問題,開展了基于時空雙流特征增強網絡的視頻行為識別研究[7],設計了空間增強時間位移模塊(SE-TSM)和通道增強時間位移模塊(CE-TSM),在每次時間位移后進行特征增強,改善了特征受損問題。并針對幀差運動信息微弱問題,提出了運動增強模塊(SIM)增強運動特征以提高性能。實驗結果表明,該網絡在公開視頻數據集UCF101和HMDB51上分別達到了96.1%和75.7%的精度。但是時間關鍵幀特征分割狀態下的異常行為識別EER較低。李一帆等人開展了面向人體異常行為識別的FDS-ABPG-GoogLeNet模型研究[8],設計模型采用3種不同層級的改進Inception模塊,將模塊在網絡深層和淺層結構中并行連接時,在中層結構中引入了殘差結構,通過特征融合的方式提高網絡的計算效率和識別準確率。針對異常行為數據集中動作單一的問題,自建了包含多種異常動作的數據集,將一維動作時序數據二維圖形化處理后,實現精準提取行為動作特征的目的。實驗結果表明,設計模型的準確率、靈敏度和特異性分別達到99.40%、99.49%和99.93%。但是EER受時間關鍵幀特征的影響較為明顯。

綜合上述,本文開展了基于時間注意力增強的電廠智能安防監控人體異常行為識別研究,并進行了對比測試。


本文詳細內容請下載:

http://www.tom3567.com/resource/share/2000007042


作者信息:

張威,許虎,尚志強

(河北大唐國際張家口熱電有限責任公司,河北 張家口 075000)

2.jpg

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 色综合久久久久无码专区| 亚洲免费在线精品一区| 91精品国产一区| 国产精品亚洲美女av网站| 九九久久九九久久| 国产精品美女久久久久av超清| 国产日韩av在线播放| 久久人人爽国产| 欧美一区二区三区免费视| 99久久久精品视频| 丰满少妇久久久| 国产精品91久久| 国产精品福利在线| 国产精品狠色婷| 欧美激情一级精品国产| 色婷婷综合久久久久中文字幕1 | 97色伦亚洲国产| 91精品免费看| 91精品国产91| 日韩在线观看你懂的| 日本在线视频不卡| 欧美日韩国产va另类| 久久久久久久久综合| 久久久久久国产精品久久| 精品国产一区二区三区久久狼黑人 | 国产精品二区在线观看| 国产精品美女在线| www.av中文字幕| 啊啊啊一区二区| 色综合久久中文字幕综合网小说| 国严精品久久久久久亚洲影视| 国产美女搞久久| 国产精品黄色av| 视频一区不卡| 激情欧美一区二区三区中文字幕 | 国产精品久久久久久久久久免费 | 久久久精品影院| 国产精品久久久久久久久电影网| y97精品国产97久久久久久| 日韩中文字幕第一页| 久久视频中文字幕|