已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Abnormal Behavior Recognition for Human Motion Based on Improved Deep Reinforcement Learning

人工智能 计算机科学 运动(物理) 计算机视觉 强化学习 模式识别(心理学) 人体运动 机器学习
作者
Xueying Duan
出处
期刊:International Journal of Image and Graphics [World Scientific]
卷期号:24 (01) 被引量:1
标识
DOI:10.1142/s0219467825500299
摘要

Recognizing abnormal behavior recognition (ABR) is an important part of social security work. To ensure social harmony and stability, it is of great significance to study the identification methods of abnormal human motion behavior. Aiming at the low accuracy of human motion ABR method, ABR method for human motion based on improved deep reinforcement learning (DRL) is proposed. First, the background image is processed in combination with the Gaussian model; second, the background features and human motion trajectory features are extracted, respectively; finally, the improved DRL model is constructed, and the feature information is input into the improvement model to further extract the abnormal behavior features, and the ABR of human motion is realized through the interaction between the agent and the environment. The different methods were examined based on UCF101 data set and HiEve data set. The results show that the accuracy of human motion key point acquisition and posture estimation accuracy is high, the proposed method sensitivity is good, and the recognition accuracy of human motion abnormal behavior is as high as 95.5%. It can realize the ABR for human motion and lay a foundation for the further development of follow-up social security management.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
海晨完成签到,获得积分10
1秒前
鹿c3完成签到 ,获得积分10
3秒前
kenti2023完成签到 ,获得积分10
4秒前
6秒前
宇宇完成签到 ,获得积分10
9秒前
11秒前
Ren完成签到 ,获得积分10
11秒前
花壳在逃野猪完成签到 ,获得积分10
12秒前
yfy完成签到 ,获得积分10
14秒前
酷酷的王完成签到 ,获得积分10
16秒前
鲳鱼密码完成签到 ,获得积分10
18秒前
tonyhuang完成签到,获得积分10
18秒前
余十一完成签到,获得积分10
18秒前
上官若男应助Loch采纳,获得30
20秒前
阳阳杜完成签到 ,获得积分10
20秒前
20秒前
kalisu24完成签到,获得积分10
21秒前
调皮黑猫完成签到,获得积分10
22秒前
22秒前
小马到处跑完成签到,获得积分10
23秒前
充电宝应助keep1997采纳,获得10
24秒前
林夕完成签到 ,获得积分10
25秒前
XL神放完成签到 ,获得积分10
25秒前
哈哈Hank发布了新的文献求助10
25秒前
榴莲姑娘完成签到 ,获得积分10
26秒前
27秒前
29秒前
30秒前
在水一方应助hhc采纳,获得10
32秒前
哈哈Hank完成签到,获得积分10
32秒前
32秒前
Jenny完成签到,获得积分10
33秒前
34秒前
34秒前
Serena510完成签到 ,获得积分10
35秒前
xiangqing完成签到 ,获得积分10
36秒前
36秒前
37秒前
SHUAI完成签到,获得积分10
38秒前
岁峰柒完成签到 ,获得积分10
38秒前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Handbook of Qualitative Cross-Cultural Research Methods 600
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139375
求助须知:如何正确求助?哪些是违规求助? 2790295
关于积分的说明 7794840
捐赠科研通 2446748
什么是DOI,文献DOI怎么找? 1301351
科研通“疑难数据库(出版商)”最低求助积分说明 626153
版权声明 601141