基于YOLO-CARAFE的人员异常行为识别方法

来源：计算机技术与发展杂志2024年第06期北京时间：

作者：李嘎;加云岗;王志晓;张九龙;闫文耀;高昂;薛尧5

摘要：智能监控中,由于存在环境复杂、监控目标多、画质质量差、人员尺寸不同等因素,从而给人体异常行为识别带来很多挑战。 为了提高视频中人员异常行为识别的准确率和识别效率,提出了人员异常行为识别方法 YOLO-CARAFE。 该方法首先利用轻量级上采样算子 CARAFE 代替最近邻插值上采样算子,CARAFE 不仅利用相邻像素进行工作,还会对相邻像素进行加权融合,可以在大感受野中聚合上下文信息,从而提高在复杂场景下人体异常行为识别时神经网络的特征提取和融合能力;其次,利用 Focal-EIOU 损失函数的难易样本学习策略,使得模型更加关注难以分类的目标对象,有效减小预测框与真实框之间的差异,提高人体异常行为识别的准确度,有效解决异常行为样本数据量少的问题。 通过在自建数据集上的实验表明,YOLO-CARAFE 在人体异常行为识别上具有良好的识别效果,提出的 YOLO-CARAFE 算法在 R 不变的情况下 mAP@ 0. 5, P 分别为 96. 9% ,97. 6% ,提高了 1. 9 百分点,7. 4 百分点,能够满足监控视频中人员异常行为识别对于准确度的需求。

关键词：YOLOV7;行为识别;损失函数;CARAFE;深度学习