计算机技术与发展2022，Vol.32Issue(1) ：134-140.DOI:10.3969/j.issn.1673-629X.2022.01.023

基于Yolo和GOTURN的景区游客翻越行为识别

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
计算机技术与发展2022，Vol.32Issue(1) ：134-140.DOI:10.3969/j.issn.1673-629X.2022.01.023
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于Yolo和GOTURN的景区游客翻越行为识别

A Fence Climbing Behavior Recognition of Scenic Area Tourist Based on Yolo and GOTURN

周巧瑜 1曹扬 2詹瑾瑜 1江维 3李响 2杨瑞2
扫码查看

作者信息

  • 1. 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
  • 2. 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
  • 3. 电子科技大学 信息与软件工程学院,四川 成都 610054
  • 折叠

摘要

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.

关键词

深度学习/目标检测/目标跟踪/翻越行为识别/Yolo/GOTURN

引用本文复制引用

基金项目

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(W-2019007)

四川省科技计划(2018CC0136)

中国科学院计算机体系结构国家重点实验室开放基金(CARCH201811)

中央高校基本科研业务费专项(ZYGX2018J077)

中央高校基本科研业务费专项(ZYGX2019J078)

出版年

2022
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
被引量2
参考文献量1
段落导航相关论文