摘要
本发明公开了一种基于深度学习图像处理的河流周边人员异常行为检测方法,涉及图像处理技术领域,包括:获取第一信息和第二信息;对第一信息进行预处理;根据预处理数据训练预设的自监督关键点提取网络;将预处理数据输入多模态自监督学习网络,输出行为向量库,根据标签和行为向量库中得到距离判别集;将第二信息进行预处理后输入训练好的自监督关键点提取网络,输出对应的实时嵌入向量,计算实时嵌入向量与异常行为对应的嵌入向量之间的距离,计算距离在距离判别集中的排序比例,对比排序比例与预设的报警阈值,若排序比例小于等于报警阈值,则进行异常行为报警。本发明了解决提高了检测准确率,使得河流周边人员异常行为检测更加全面。
技术关键词
深度学习图像处理
关键点
红外监控摄像机
多模态
特征金字塔网络
图像特征向量提取
图像特征提取
直方图均衡化方法
样本
监控图像数据
关键帧
学习方法
多尺度特征融合
标签
检测模型训练
损失函数优化
系统为您推荐了相关专利信息
识别分析方法
多模态
生成检测信号
画面
图像处理工具
产品全生命周期
映射方法
数字孪生模型
条目
物理