当前,人工智能技术在安防领域的广泛应用,尤其是视频结构化和大数据技术的融合应用,为高校安全管理带来了新突破,极大地推动了高校安全治理能力朝着现代化水平方向迈进.基于此,提出一种基于深度学习算法的校园智能安全检测技术,实现自动识别与精准检测校园人员异常行为.在研究设计中,借助OpenPose库,通过深度迭代训练,精准提取人体姿势特征,并利用图卷积神经网络(Graph Convolutional Network,GCN)算法精准识别异常行为.在实验过程中,建立相关实验环境进行验证,实验结果表明:该安全技术检测异常行为的总体识别准确率达94.3%且满足实时性要求,相较于经典的基于深度学习的异常行为检测算法,该安全检测技术具有较高的识别准确度和环境适应性,以期为提高校园安全治理现代化水平提供技术支撑.
维普
万方数据
