摘要
本发明提供基于计算机视觉的盗窃行为识别方法及系统,涉及机器视觉技术领域,包括对视频流进行预处理,利用YOLOv11算法检测目标,通过特征金字塔网络和路径聚合网络提取特征,采用Openpose算法和小波变换提取姿态骨架和微表情特征,输入深度学习模型生成行为特征向量。将特征向量输入融合卷积神经网络与Transformer结构的分析引擎,计算与预设模板的相似度并生成置信度得分,实现盗窃行为的精确识别和及时预警。
技术关键词
手部关键点
融合卷积神经网络
特征金字塔网络
融合卷积特征
表情特征
时空注意力机制
亲和力
多尺度特征提取
高层语义特征
运动轨迹数据
骨架拓扑结构
视频帧
视频流
融合特征
计算机视觉
矩阵
阈值分割算法
双分支卷积神经网络
系统为您推荐了相关专利信息
人形机器人
手部关键点
关节点
人体手部
滑动均值滤波
涉水汽车
区域评估方法
计算机视觉
图像分割网络
特征提取网络
多层次特征
特征金字塔网络
图像
多层感知机
分支