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
ffw1完成签到,获得积分10
1秒前
自家老赵完成签到,获得积分20
2秒前
2秒前
寒星苍梧完成签到,获得积分10
2秒前
Orange应助曾经笑白采纳,获得10
3秒前
复杂的一一完成签到,获得积分20
3秒前
满意尔安完成签到,获得积分10
3秒前
linda268完成签到 ,获得积分10
3秒前
麻瓜小羊完成签到,获得积分10
4秒前
coco发布了新的文献求助10
4秒前
冰雪物语发布了新的文献求助10
4秒前
和平发展完成签到,获得积分10
5秒前
MoodMeed完成签到,获得积分10
5秒前
6秒前
格格巫完成签到 ,获得积分10
7秒前
7秒前
11完成签到,获得积分10
7秒前
yzy完成签到,获得积分10
7秒前
巴乔完成签到,获得积分10
7秒前
科研通AI2S应助coco采纳,获得10
8秒前
8秒前
feijelly完成签到,获得积分10
8秒前
左眼天堂完成签到,获得积分10
9秒前
汉堡包应助paul采纳,获得10
9秒前
LGH完成签到 ,获得积分10
9秒前
9秒前
liuweiwei完成签到 ,获得积分10
9秒前
夌隺完成签到,获得积分10
10秒前
小小牛完成签到,获得积分10
10秒前
11秒前
choco1ate完成签到,获得积分10
11秒前
飞向火星完成签到,获得积分10
11秒前
11秒前
dd完成签到,获得积分10
12秒前
自家老赵发布了新的文献求助10
12秒前
Orange应助泉水叮咚采纳,获得10
12秒前
KAER发布了新的文献求助10
12秒前
Smile2044完成签到,获得积分20
13秒前
彭彭发布了新的文献求助10
13秒前
xy完成签到,获得积分10
14秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
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 3099877
求助须知:如何正确求助?哪些是违规求助? 2751333
关于积分的说明 7612942
捐赠科研通 2403282
什么是DOI,文献DOI怎么找? 1275217
科研通“疑难数据库(出版商)”最低求助积分说明 616310
版权声明 599053