首页|基于Yolo和GOTURN的景区游客翻越行为识别

基于Yolo和GOTURN的景区游客翻越行为识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
近年来,随着旅游市场的快速发展,在旅游景区出现的一些违规行为,不仅危害了人身安全,而且也给社会造成了许多负面影响.由于出现该类行为的频率不高,通过人工观察耗费大量人力资源且效率不高,使用深度学习算法对具体行为进行识别,帮助景区监管人员快速预警违规行为,已成为必然趋势.针对这一问题,结合目标检测与目标跟踪任务,该文提出了一种基于Yolo和GOTURN的景区游客翻越行为识别方法.首先将视频转为视频帧,再经过Yolo目标检测和GOTURN目标跟踪得到人员边界框坐标和视频帧轨迹点集合,再进入轨迹分析得出最终结果标签(是否为翻越行为),形成一个完整的翻越行为识别方法.实验数据表明,基于Yolo和GOTURN的景区游客翻越行为识别方法相对于其他方法具有较高的准确率,应用在实际的景区游客翻越行为识别系统中得到了93.7％的准确率.
A Fence Climbing Behavior Recognition of Scenic Area Tourist Based on Yolo and GOTURN

周巧瑜、曹扬、詹瑾瑜、江维、李响、杨瑞

展开 >

电子科技大学 信息与软件工程学院,四川 成都 610054

中电科大数据研究院有限公司,贵州 贵阳 550022

提升政府治理能力大数据应用技术国家工程实验室,贵州 贵阳 550022

深度学习 目标检测 目标跟踪 翻越行为识别 Yolo GOTURN

提升政府治理能力大数据应用技术国家工程实验室开放基金四川省科技计划中国科学院计算机体系结构国家重点实验室开放基金中央高校基本科研业务费专项中央高校基本科研业务费专项

W-20190072018CC0136CARCH201811ZYGX2018J077ZYGX2019J078

2022

10.3969/j.issn.1673-629X.2022.01.023

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(1)
  • 2
  • 1