基于YOLOv4改进算法的人群异常行为检测研究

在智慧警务建设过程当中,利用智能监控设备对人群异常行为进行检测,可有效预防非法事件的发生从而保护群众的生命财产安全。已有的人群异常检测研究中,多数是对人群异常奔跑检测,并未对其危险目标进行检测。为及时发现人群中的危险目标并预防危险事件发生,本文提出基于YOLOv4改进算法的人群异常行为检测方法,用Mixup替换Mosica数据增强函数;然后加深主干特征网络的深度,用指数移动平均值更新网络参数;最后改进YOLOv4的特征融合结构(PAN),实现对持刀、纵火、纵烟等视频图像特征做出识别与预警。原YOLOv4算法训练模型得到的平均精度均值(MAP)结果为76.43%,改进后YO⁃LOv4模型得到的平均精度均值为81.41%。三种检测类别fire、smoke、knife的检测准确率较原版算法分别提升了4.64%、7.61%、2.68%。实验结果表明,本文提出的基于YOLOv4改进算法的人群异常行为检测系统能够对危险事件的发生起到有效的预警作用。

基于联合损失函数的多视角步态识别方法研究

视频侦查技术逐步成为侦查办案的重要手段,步态识别技术在视频侦查工作中有良好的应用前景;现阶段跨视角的步态识别技术在公开数据集CASIA-B的正常行走条件下,识别正确率已经达到了95%,但是在穿外套和携带包裹等有遮挡行走条件下的识别正确率不高。本文通过采用Triplet与Softmax两个损失函数相结合的方法,联合优化步态模型,可以使最终的训练更加有效。研究结果表明:在不影响正常行走条件识别正确率的情况下,穿外套和携带包裹行走条件的步态识别正确率均有一定提升,分别提升了4.7%和3%,可为视频目标识别与追踪提供辅助技术支撑。

基于人工智能的就业平台数据采集与分析

21世纪以来,经济全球化和科技产业的飞速发展,如何在海量的职位数据中得到自己喜欢的职位信息,由此,基于人工智能的就业平台的数据采集与分析应运而生。该系统采利用Python爬虫、B/S模式和3层架构进行设计和开发,通过对于数据的提取采集,利用Web网页来进行展示数据。开发工具为PyCharm,Nacicat,Eclipse。基于人工智能的就业平台性能稳定,信息交互及时有效,具有很高的实用性。

基于空间信息的泛洪算法在行人重识别系统中的应用研究

近年来,行人重识别系统已在多个领域展开应用。在行人特征库进行特征相似度检索度量方面,目前主要采用的是遍历度量,效率相对较低。为了提高度量速度,提出基于空间信息的泛洪度量算法,充分利用目标轨迹的时空相关性,将度量范围以空间距离和时间间隔作为参考依据进行优先级划分,逐级进行相似度度量。研究结果表明,该方法相较于目前行人重识别系统中的遍历度量算法,不论是度量次数还是度量时间都大幅降低,提高了行人重识别系统的工作效率。所提出方法在行人重识别系统的各种场景应用中均能够高效准确度量,且能有效利用空间信息进行行人目标轨迹分析。基于空间信息的泛洪算法在行人重识别系统中的应用可为公安视频侦查、大型公共场所智能寻人、公共卫生安全流行病学调查等提供技术支撑,具有一定的推广和应用价值。