摘要
针对当前道路视频监控中异常行为识别因时序信息利用不足而导致精度不高的难题,文章提出一种融合三维卷积神经网络(3D-CNN)与帧级注意力机制的视频异常行为识别方法。该方法通过3D-CNN联合提取视频片段的空间与时间维度特征,并引入帧级注意力机制动态增强关键行为片段的特征权重,从而实现对异常行为的精准时空建模。在公开数据集及自建道路异常行为数据集上的综合评估表明,所提方法在准确率(90.2%)、F1值(88.2%)和AUC(92.5%)等关键指标上均显著优于基线模型,展现出卓越的识别性能与鲁棒性。
出处
《电脑知识与技术》
2025年第25期25-27,共3页
Computer Knowledge and Technology
