面向拥挤活动入口处推搡行为早期检测的基于云的深度学习框架
机器学习
2023-06-13 v2 计算机视觉与模式识别
摘要
大型活动入口处的人群拥挤可能导致严重且危及生命的状况，特别是当人们为了更快进入活动场地而开始相互推搡时。自动且及时地识别推搡行为将有助于组织者和安保力量尽早干预并缓解危险情况。本文提出一种基于云的深度学习框架，用于自动早期检测拥挤活动入口处的推搡行为。该框架首先修改并训练 EfficientNetV2B0 卷积神经网络模型。随后，它将适配后的模型与一种准确且快速的基于色轮法的预训练深度光流模型相集成，以分析视频流并实时识别推搡区域。此外，该框架利用实时采集技术和基于云的环境来实时收集人群视频流并提供早期结果。基于五次真实世界实验及其相关的真值数据生成了一个新颖的数据集，用于训练适配后的 EfficientNetV2B0 模型。实验设置模拟了拥挤的活动入口，而每个视频实验的真值由社会心理学家手动生成。在视频和生成的数据集上进行了若干实验，以评估所提框架的准确率和标注延迟时间。实验结果表明，所提框架在合理的延迟时间内以 87% 的准确率识别出了推搡行为。
引用
@article{arxiv.2302.08237,
title = {A Cloud-based Deep Learning Framework for Early Detection of Pushing at Crowded Event Entrances},
author = {Ahmed Alia and Mohammed Maree and Mohcine Chraibi and Anas Toma and Armin Seyfried},
journal= {arXiv preprint arXiv:2302.08237},
year = {2023}
}