一种基于双流卷积神经网络的危险行为自动识别方法

摘要

本发明公开了一种基于双流卷积神经网络的危险行为自动识别方法，本发明通过对视频中的人物进行部分人工标注来减小视频背景对人物行为识别的影响；使用LeNet‑5网络学习视频中的时间特征和空间特征，将融合后的时空特征送入3D卷积神经网络中完成对视频中人物动作的识别。本发明针对视频中存在的大量无关的背景信息，本发明对部分视频帧中的人物进行人工标注，通过增加输入的监督信息来降低噪声的干扰，有效解决了视频无关背景信息对人物动作识别的干扰。本发明基于双流卷积神经网络和3D卷积神经网络的危险动作自动识别方法，构建人物危险动作自动识别网络，使用人物危险动作视频数据训练网络，构建人物危险动作自动识别模型。