一种基于深度卷积神经网络的行人乘扶梯异常行为检测方法

摘要

本发明提供了一种基于深度卷积神经网络的行人乘扶梯异常行为检测方法。本发明利用传统目标检测算法的思路，对乘坐扶梯的行人进行实时检测。同时，判断目标对象在乘坐扶梯时的行为是否存在异常。如果存在模型所能识别的危险动作，则会发出报警，减少危险事件的发生。本发明在设计深度卷积神经网络模型时，加入了BatchNormalization和ResNet的技巧，通过不断累加组合设计的“CBR”、“Res_unit”和“Res_n_block”3种网络模块，加深网络的层次，提取更加有效细致的图片信息，更好的理解图片数据。最后，通过两个跳跃连接得到大小不一的特征图，这样能够保证检测到不同大小的实际物体，提高模型的准确率。本发明提供的技术方案可以对行人乘坐扶梯异常行为达到精确识别判断，并且具有识别效率高、处理速度快的特点。