一种基于深度学习的异常行为识别方法

异常行为识别与检测在安防领域有广泛的应用前景,但现有的异常行为识别方法时序信息利用率低,准确率和处理速度还难以满足实际需要.本文采用三维密集连接深度网络结构对采集视频的时序和空间特征进行基于深度学习的建模,对打架、徘徊、抢劫这三类异常行为以及正常行为类进行识别,采用多个可变时序深度的卷积核,并结合深度可分离卷积层重新设计了时序过渡层,更多地利用输入信号中的时序信息.模拟实验结果表明,本文提出的改进方法准确率达92.5%,进一步提高了模型的准确率和泛化性能.

基于深度学习的交警指挥手势识别

为解决无人驾驶汽车快速准确地识别交警指挥手势的问题,本文提出一种基于深度学习的三通道输入交警指挥手势识别方法.仿真实验表明,利用深度学习优化模型参数后,采集的8种交警指挥手势数据集的平均识别准确率可达97.87%,识别率较高,具有一定的应用价值.

融媒体时代县级电视台新闻栏目发展策略研究

随着网络技术的蓬勃发展,新媒体的数量不断增多,融媒体时代已经到来。电视台作为最具传统意义的大众媒体要想在激烈的竞争中占据优势地位,需要扩大传播范围和提升影响力,并借助新媒体来整合信息资源,发挥电视新闻的持续性效应,实现良好的发展。

电视节目中的不雅言论现象探析

电视是当下日常生活中没有门槛的大众"教科书",也是普通大众获取精神文化资源的主要手段,作为一个时代标志性的艺术种类,肩负着文化传承与文化发现的艺术使命。但是当下的电视节目或视频网站中的不雅言论却时有出现,给社会风气和道德生态建设带来诸多不良影响。本文从习近平同志文艺工作座谈会的讲话精神出发,层层剖析、深刻反思当下电视媒体中不雅言论中反映的深刻的价值观问题和对我国电视节目创新、传统文化传承及国民素养的重大影响。

复杂场景图像中人员目标检测算法的改进

图像或视频中的人员目标检测,一般采用单个深层神经网络检测器(SSD)算法.但在复杂场景下,SSD算法因场景复杂、物体重叠、遮挡等干扰,检测精度大大降低.在SSD算法中加入反卷积网络反馈用于增加环境感知信息;采用辅助损失函数以促进损失降低,并将复杂场景中的目标检测多分类问题转换为二分类问题.以无人机拍摄的复杂场景下的行人数据集为例进行人员目标检测实验,对比分析多种检测方法的准确率表明,改进后的SSD算法在检测速度和识别精度上均提高明显.

新形势下县级电视台新闻报道策略的分析

网络科技的不断发展和应用,促进了各个行业和领域的发展,同时信息交流方式和途径也发生了重大的改变。为了能够在网络环境下实现长远的发展,县级电视台在新闻报道过程中也在寻求新的报道方式和理念,以实现创新发展,同时也应结合当前的发展现状,充分地应用互联网科技,转变新闻报道的形式,充分发挥舆论的监督作用,实现新闻报道的真实价值。