基于深度学习的边境行为识别系统探讨

在视频监控领域,通过图像的变化能够实现移动侦测区域报警、人脸识别等,但功能相对单一,易出现误报和漏报等问题,需要人工参与分析识别,而且在边境视频监控系统中,视频采集路数较多,都用人工分析识别显然不现实。针对这种情况,提出了一种基于深度学习的多人边境行为识别方法。该方法通过建立特定的三种典型边境行为(走私、翻越拦阻和破坏拦阻)数据库,再利用计算结构简单的Light weight OpenPose及KNN分类算法,实现运用一种处理实时性好、分类准确率高的边境特定行为识别方法。该方法不仅算法结构简单,对计算资源要求低,而且具备对多人行为进行有效识别的能力,非常适合应用到边境视频监控系统中,提升边境的智能化水平。